印度比哈尔邦农村早期乳腺癌分诊双模型机器学习验证数据集

数据集获取

源站：https://doi.org/10.7910/DVN/DLHFRT

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。

数据集大小约 5.8 KB。

数据说明

该数据集为一个双模型机器学习框架提供了经过验证的语料库，该框架旨在彻底变革印度比哈尔邦资源受限农村地区的早期乳腺癌筛查。它整合了来自针对边缘计算进行微调的 MobileNetV2 CNN 的高保真图像检测评分，以及来自随机森林分类器的临床风险预测，后者评估产次、家族史和 BMI 等流行病学因素。该数据验证了一种专门的分诊逻辑，其优化达到 91.2% 的灵敏度率，确保扎根社区的 ASHA 工作者能够提供即时、文化敏感且能挽救生命的转诊决策，而无需依赖持续互联网连接或集中式医院基础设施。通过弥合先进 CAD 诊断与本地现场应用之间的差距，该数据集为降低晚期诊断率以及在保守的农村腹地消除乳腺健康污名化提供了技术基础。

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。