乳腺癌诊断高保真合成数据集（乳腺钼靶肿块）
该数据集是 CD_51 数据集的高保真合成版本，源自 UCI 机器学习库的乳腺钼靶肿块数据集。原始数据包含 5 个描述钼靶肿块的特征：BI-RADS 评估（1-5 分）、患者年龄、肿块形状（1-4）、边缘（1-5）和密度（1-4），目标变量为 Severity，表示良性（0）或恶性（1）
基本信息
资源简介
乳腺癌诊断高保真合成数据集（乳腺钼靶肿块）
High-Fidelity Synthetic Dataset for Breast Cancer Diagnosis (Mammographic Mass)
该数据集是 CD_51 数据集的高保真合成版本，源自 UCI 机器学习库的乳腺钼靶肿块数据集。原始数据包含 5 个描述钼靶肿块的特征：BI-RADS 评估（1-5 分）、患者年龄、肿块形状（1-4）、边缘（1-5）和密度（1-4），目标变量为 Severity，表示良性（0）或恶性（1）。数据采集自 2003 至 2006 年埃尔朗根-纽伦堡大学放射学研究所，含 516 例良性和 445 例恶性肿块。合成数据采用配套研究文章详述的四阶段方法生成，可用于乳腺癌诊断相关的机器学习分类研究（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2026-07-09。
【数据内容】
源站描述（机器翻译，仅供参考）：乳腺癌诊断高保真合成数据集（乳腺钼靶肿块）该数据集包含 CD_51 数据集的最优高保真合成版本，源自乳腺钼靶肿块数据集（UCI 机器学习库）。原始数据包含 5 个描述钼靶肿块的特征，包括 BI-RADS 评估（放射学评估评分 1-5）、患者年龄、肿块形状（1-4）、边缘（1-5）和密度（1-4）。目标变量为 Severity，表示肿块是良性（0）还是恶性（1）。该数据集于 2003 年至 2006 年间在埃尔朗根-纽伦堡大学放射学研究所采集，包含 516 例良性肿块和 445 例恶性肿块。生成与选择方法：合成数据使用配套研究文章《Methodology for generating high fidelity》中详述的严格四阶段方法生成。
【数据结构与技术规格】
文件数 1 个，合计 12.65 KB。数据集 DOI：10.6084/m9.figshare.32946752.v1。
【主题与分类】
源站学科分类：Community and primary care、Preventative health care、Primary health care。主题标签：Synthetic Data、Breast Cancer Diagnosis、Mammographic Mass、Medical Imaging、TabDSFidelity、Machine Learning、Healthcare Analytics、Cancer Detection。本站分类：肿瘤/乳腺癌。
【适用方向】
源站学科分类标注为 Community and primary care、Preventative health care、Primary health care。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/High-Fidelity_Synthetic_Dataset_for_Breast_Cancer_Diagnosis_Mammographic_Mass_/32946752
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Díaz Bastida, Marcos; Pérez Vázquez, Ramiro A.; Bello Pérez, Rafael (2026). High-Fidelity Synthetic Dataset for Breast Cancer Diagnosis (Mammographic Mass). figshare. Dataset
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。
暂未开放公开下载
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。
免登录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
源站：https://doi.org/10.6084/m9.figshare.32946752.v1
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据集大小约 12.7 KB。
数据说明
用于乳腺癌诊断的高保真合成数据集（乳腺钼靶肿块）本数据集包含CD_51数据集的最优高保真合成版本，该数据集源自乳腺钼靶肿块数据集（UCI机器学习库）。原始数据包含描述乳腺钼靶肿块的5个属性，包括BI-RADS评估（放射学评估评分1-5）、患者年龄、肿块形状（1-4）、边缘（1-5）和密度（1-4）。目标变量为Severity，表示肿块为良性（0）或恶性（1）。该数据集于2003年至2006年间在埃尔朗根-纽伦堡大学放射学研究所收集，包含516个良性肿块和445个恶性肿块。生成与选择方法：合成数据采用随附研究文章《用于生成高保真合成数据以改善重症监护病房患者死亡率预测的方法》中详述的严格4阶段方法生成。
在初步的类别平衡阶段之后，使用10种不同的方法执行了大规模合成生成过程。最终数据集通过TabDSFidelity指数进行选择，该指数是一种新颖的度量指标，旨在平衡统计保真度和预测效用。该数据集对应于CTGAN + Reglas del Dominio算法，该算法在所有纯合成候选方案中获得了最高的TabDSFidelity得分（7.808），展现出对原始数据统计特性和预测模式的优越保留能力。评估是针对原始参考数据集进行的，以确保最高保真度。文件详情：格式：CSV（逗号分隔值）记录数量：3，572个合成实例属性数量：6（5个预测特征 + 1个目标变量）目标变量：Severity（1 = 恶性，0 = 良性）正类比例：数据集经过平衡以缓解原始类别不平衡（比例：1.275）。预期用途：该数据集旨在用于研究和
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
