数字乳腺断层合成图像中肿块和结构扭曲的检测
由杜克大学创建，包含5,060名患者的22,032个DBT体积，用于乳腺癌筛查中肿块和结构扭曲的AI检测。
基本信息
模态
医学影像
创建/更新时间
2022-11-21
资源简介
本数据集由杜克大学创建，包含22,032个重建的DBT体积，来自5,060名患者，分为正常、需进一步影像检查、良性活检和癌症四个组别，由两位经验丰富的放射科医生标注，用于乳腺癌筛查中的肿块和结构扭曲检测，旨在通过AI算法提高检测准确性和效率。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取（TCIA 标准方式）
方式一：NBIA 在线检索 + 下载器（推荐）
- 打开 NBIA 搜索页（免费注册 TCIA 账号）；
- 按本数据集 Collection 名称筛选（见源站页面），加入 Download Basket；
- 用 NBIA Download Manager / Radiology 门户批量下载 DICOM。
方式二：NBIA API（程序化）
# 查询 Collection 下的序列元数据
curl -s "https://services.cancerimagingarchive.net/nbia-api/services/v1/getSeries?Collection=COLLECTION_NAME" -o series.json
# 逐序列下载影像(需登录 Token), 参考: https://wiki.cancerimagingarchive.net/display/Public/NBIA+REST+API+Guide
方式三：TCIA Manifest + dicomsort
在 Collection 页面下载 .tcia manifest 文件后用 NBIA CLI 下载。
数据说明
本数据集由杜克大学创建，包含22,032个重建的DBT体积，来自5,060名患者，分为正常、需进一步影像检查、良性活检和癌症四个组别，由两位经验丰富的放射科医生标注，用于乳腺癌筛查中的肿块和结构扭曲检测，旨在通过AI算法提高检测准确性和效率。
数据加载示例（DICOM 影像）
import pydicom, glob, os
# pip install pydicom
files = glob.glob(os.path.join(path, "**", "*.dcm"), recursive=True)
print("DICOM 文件数:", len(files))
d = pydicom.dcmread(files[0])
print("Modality:", d.Modality, "| 患者/研究:", getattr(d,"PatientID",""), getattr(d,"StudyInstanceUID","")[:20])
img = d.pixel_array # numpy 数组
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 乳腺癌 的高质量、多模态真实临床数据定制解决方案。
