DMID 乳腺癌乳腺X线摄影数据集
该数据集是一个用于乳腺癌诊断研究的数字乳腺X线摄影（钼靶）影像数据集，包含多例患者的数字化乳腺X线影像，主要应用于计算机辅助诊断、早期乳腺癌检测、影像分类与分割等医学影像分析领域，为人工智能模型在乳腺疾病筛查与诊断中的开发与验证提供关键数据支持。
基本信息
资源简介
DMID 乳腺癌乳腺X线摄影数据集
【数据集背景】
本数据集源站标题为《DMID Breast Cancer Mammography Dataset》。源站首次发布：2025-04-02。
【数据内容】
源站原始描述：# DMID Breast Cancer Mammography Dataset 🎗️ ## Overview 🔬 This dataset, the Digital Mammography Dataset for Breast Cancer Diagnosis Research (DMID), provides a comprehensive collection of mammogram images intended for research and educational purposes. It aims to facilitate the development and evaluation of computer-aided diagnosis systems for breast cancer detection. 👩⚕️ ## Dataset Contents 📁 The dataset includes the following components: * **TIFF Images:** Contains the mammography images in T…
【数据结构与技术规格】
文件数 20 个，合计 201.52 MB。
【主题与分类】
主题标签：cancer、image、health、religion and belief systems、image classification、image segmentation。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/orvile/dmid-breast-cancer-mammography-dataset
使用许可：CC BY-SA 4.0。
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。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
# 首次使用需 Kaggle 账号授权（浏览器弹一次，凭据缓存后免重复）
import kagglehub
path = kagglehub.dataset_download("orvile/dmid-breast-cancer-mammography-dataset")
print("数据已下载至:", path) # 返回本地目录路径
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token,
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d orvile/dmid-breast-cancer-mammography-dataset
unzip dmid-breast-cancer-mammography-dataset.zip -d dmid-breast-cancer-mammography-dataset/
数据集大小约 8.80 GB。
数据说明
DMID 乳腺癌乳腺X线摄影数据集是一个专门用于乳腺癌诊断研究的数字乳腺X线摄影（钼靶）影像数据集。该数据集包含多例患者的数字化乳腺X线影像，旨在为机器学习、深度学习模型在医学影像分析领域的开发与验证提供数据支持。数据集主要应用于计算机辅助诊断（CAD）、乳腺癌早期检测、影像分类与分割等研究方向，有助于推动人工智能在乳腺疾病筛查与诊断中的实际应用。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
