CBIS-DDSM 乳腺癌 JPG 图像数据集
该数据集由 Kaggle 用户 Debjeet Das 于 2023 年发布，将原始 CBIS-DDSM 数据集中 DICOM 格式的乳腺影像转换为 JPG 格式，保持原分辨率，文件总量约 2.49 GB，共 20 个文件
基本信息
资源简介
CBIS-DDSM 乳腺癌 JPG 图像数据集
CBIS-DDSM: Breast Cancer Dataset of JPG Images
该数据集由 Kaggle 用户 Debjeet Das 于 2023 年发布，将原始 CBIS-DDSM 数据集中 DICOM 格式的乳腺影像转换为 JPG 格式，保持原分辨率，文件总量约 2.49 GB，共 20 个文件。原始数据按 Mass 与 Calcification 两类划分训练集和测试集，本数据集经数据清洗去除冗余列并合并两类病例。数据可用于乳腺癌影像分类、深度学习模型训练与数据可视化分析（来源 Kaggle，CC0: Public Domain 许可）。
【数据集背景】
源站首次发布：2023-01-24。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含取自 CBIS-DDSM 的乳腺癌 JPG 图像。 描述 该数据集包含原始 CBIS-DDSM 数据集（163 GB，DICOM 格式）的 JPG 格式图像（2.49 GB），并保持与原始数据集相同的图像分辨率。原始数据集按两个病例划分为训练集和测试集，一个是 Mass，另一个是 Calcification(Calc)，即 calc_case_description_test_set.csv、calc_case_description_train_set.csv、mass_case_description_test_set.csv、mass_case_description_train_set.csv 和 metadata.csv，但此处该数据集是通过将图像从 DICOM 转换为 JPG 格式、通过数据清洗去除不必要的列并拼接 Mass 和 Calcification(Calc) 病例的训练集而制成。
【数据结构与技术规格】
文件数 20 个，合计 5.61 MB。
【主题与分类】
主题标签：cancer、biology、data analytics、data visualization、deep learning。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/debjeetdas/breast-cancer-jpg-image-dataset-of-cbisddsm
使用许可：CC0: Public Domain。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://kaggle.com/datasets/debjeetdas/breast-cancer-jpg-image-dataset-of-cbisddsm
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 2.68 GB。
数据说明
Debjeet Das (2023). CBIS-DDSM: Breast Cancer Dataset of JPG Images [Dataset]. https://www.kaggle.com/datasets/debjeetdas/breast-cancer-jpg-image-dataset-of-cbisddsm
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
