精选、分割及深度学习优化的I-SPY 2 MRI数据集用于预测pCR、HR和HER2状态（BreastDCEDL_ISPY2）

数据集获取

源站：https://doi.org/10.7937/42wq-th78

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

BreastDCEDL_ISPY2数据集是一个经过整理、可直接用于深度学习的资源，整合了来自I-SPY2 TRIAL中982名乳腺癌患者的治疗前3D动态对比增强MRI（DCE-MRI）扫描，数据来源于The Cancer Imaging Archive（TCIA）。影像数据已从原始DICOM标准化为3D NIfTI卷，保留了信号完整性和空间分辨率。该数据集包含大量非影像支持数据，如肿瘤标注、DICOM元数据和人口统计学信息。为促进可重复研究，提供了固定的基准训练/验证/测试划分，并按生物标志物亚型和应答结局进行分层。该数据集支持多样化的研究应用，包括开发用于预测治疗应答的深度学习模型、基于放射组学的分析以及激素受体（HR）和HER2状态分类。它还有助于对Vision Transformers等先进架构进行基准测试，并支持精准肿瘤学领域的临床转化工作。

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。