CSAW-CC 乳腺钼靶数据集：用于乳腺癌筛查、诊断与预后AI研究

数据集获取

源站：https://doi.org/10.5878/m991-0t11

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

该数据集包含来自瑞典斯德哥尔摩卡罗林斯卡大学医院乳腺癌筛查的乳房X线摄影图像，由卡罗林斯卡医学院的主要研究者Fredrik Strand收集。编制该数据集的目的是开展人工智能研究，以改进乳腺癌的筛查、诊断和预后。该数据集基于从更全面的源数据集中选取的有乳腺癌诊断和无乳腺癌诊断的病例。纳入了在涵盖时间段内（2008年11月至2015年12月）筛查年龄范围（40-74岁）女性中1，103例首次乳腺癌病例。其中，随机选取的873例已纳入已发布的数据集。同一时间段内随机选取的10，000名健康对照者也被纳入。其中，随机选取的7，850例已纳入已发布的数据集。对于每个个体，纳入了所有筛查乳房X线摄影图像（也包括随时间重复进行的检查），以及筛查日期和年龄。

此外，还有由乳腺放射科医生创建的肿瘤像素级标注（微钙化等小病灶已按区域进行标注）。在诊断前的乳腺X线摄影中也绘制了标注；如果标注仅包含单个像素，则表示未见癌症，但通过单像素标注显示了未来癌症中心的估计位置。除图像外，该数据集还包含在卡罗林斯卡大学医院创建并通过斯德哥尔摩-哥特兰地区癌症中心提取的癌症数据。该数据包含诊断时间及癌症特征信息，包括肿瘤大小、组织学和淋巴结转移。非图像数据的精确度通过分类和抖动处理被降低，以确保无法识别任何单个个体。可用的文件类型如下：- CSV：包含以下数据（如适用）

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。