基本信息

模态

医学影像

任务类型

分类

创建/更新时间

2026-11-03

资源简介

IDC CMMD 乳腺癌乳腺钼靶数据集

IDC CMMD 是一个聚焦乳腺癌的医学影像数据集，收录了来自 1775 名患者的临床数据与 3728 张乳腺钼靶（MG）影像。这些患者均经活检确诊为良性或恶性乳腺肿瘤，因此该数据集在乳腺肿瘤影像研究方面具有明确的临床关联性。除影像与基础临床信息外，其中 749 名患者（编号以 D2- 开头）还额外包含分子亚型信息，为探索影像特征与肿瘤分子层面之间的关系提供了条件。该数据集归属于肿瘤 / 乳腺癌分类，主题标签为 Breast Cancer 与 Breast，来源站为 portal.imaging.datacommons.cancer.gov，是 IDC（Imaging Data Commons）中的一个集合，英文全称为 IDC CMMD。

【数据集背景】

乳腺癌是全球范围内常见的恶性肿瘤之一，影像学检查尤其是乳腺钼靶在筛查、诊断和随访中扮演重要角色。随着精准医学的发展，研究者越来越需要将影像数据与临床、病理及分子信息结合，以支持更深入的肿瘤异质性研究和个体化诊疗探索。IDC CMMD 正是在这一背景下构建的乳腺癌专病影像集合，其定位为肿瘤 / 乳腺癌方向，聚焦乳腺部位，旨在为乳腺肿瘤相关研究提供结构化的影像与配套临床数据。该数据集来源于 IDC（Imaging Data Commons），这是一个医学影像数据共享平台，CMMD 作为其中一个集合，遵循该平台的收录与发布方式。源站描述指出，该集合包含临床数据与乳腺钼靶影像，患者均经活检确诊为良性或恶性乳腺肿瘤，说明其病例具有病理确诊依据，而非仅凭影像学推断。

【数据内容】

该数据集的核心内容由两部分组成：临床数据与乳腺钼靶（MG）影像。影像总数为 3728 张，来自 1775 名患者，意味着部分患者可能对应多张影像。所有患者均经活检确诊为良性或恶性乳腺肿瘤，这一信息对于监督学习、分类任务或影像组学研究而言十分关键。此外，在 1775 名患者中，有 749 名患者（编号以 D2- 开头）包含分子亚型信息。分子亚型是乳腺癌分型与治疗决策中的重要参考，因此这一子集可用于影像特征与分子分型之间关联的探索。除上述内容外，关于影像的具体设备参数、扫描协议、图像分辨率、标注信息、临床变量字段等细节，源站未提供。

【采集与来源】

该数据集来源于 portal.imaging.datacommons.cancer.gov，即 IDC 平台，集合名称为 IDC CMMD。源站描述中提及，更多细节与相关元数据可参见 CMMD 的 wiki 页面，并给出了对应 DOI（https://doi.org/10.7937/tcia.eqde-4b16）。这表明该数据集有独立的文档页面与持久标识，便于引用与追溯。关于数据采集机构、采集时间范围、扫描设备型号、采集地点等具体信息，源站未提供。

【适用场景】

基于现有信息，该数据集适用于乳腺癌相关的影像研究，尤其是乳腺钼靶影像的分析。由于患者均经活检确诊为良性或恶性乳腺肿瘤，可用于良恶性分类、肿瘤检测或诊断辅助算法的开发与评估。包含分子亚型的 749 名患者子集，还可支持影像与分子亚型关联的研究，例如探索钼靶影像特征是否与特定分子亚型相关。此外，该数据集也可用于多模态数据融合研究，将影像与临床数据结合进行建模。需要说明的是，具体的研究设计、任务定义和评价指标应由使用者根据自身需求确定，源站未提供针对特定任务的基准或推荐方案。

【使用方法】

该数据集通过 IDC 平台发布，来源站为 portal.imaging.datacommons.cancer.gov。使用者通常需要访问该平台，查找 IDC CMMD 集合，并依据平台提供的访问方式获取数据。源站描述建议参阅 CMMD 的 wiki 页面以了解进一步细节和相关元数据，并提供了对应 DOI。关于具体的下载流程、账号权限、数据格式、工具接口、API 使用方法等操作层面的信息，源站未提供。

【质量与限制】

该数据集的一个显著特点是患者均经活检确诊，这为良恶性标签提供了病理依据，有助于提升研究的可靠性。同时，包含分子亚型的子集（749 名患者，编号以 D2- 开头）为分子层面分析提供了可能。然而，关于数据质量的具体指标，如图像分辨率、标注一致性、缺失值比例、批次效应等，源站未提供。此外，该数据集仅覆盖乳腺部位与乳腺癌，适用范围有限，不应外推到其他癌种或部位。关于样本的人群分布、年龄范围、种族构成、扫描设备差异等潜在偏倚因素，源站未提供。

【引用与许可】

源站描述中给出了 CMMD 的 wiki 页面链接与 DOI（https://doi.org/10.7937/tcia.eqde-4b16），建议使用者在引用或使用该数据集时参考该页面以获取引用格式与许可条款。关于具体的许可类型、使用限制、商业用途规定、再分发条件等，源站未提供。

原始链接

https://portal.imaging.datacommons.cancer.gov/explore/filters?collection_id=cmmd

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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。

免费样本无法满足模型训练要求？千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

去商城查看获取定制方案

使用方式

数据集获取

源站：https://portal.imaging.datacommons.cancer.gov/explore/filters?collection_id=cmmd

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。

数据说明

IDC 数据集 CMMD。癌症类型：乳腺癌。肿瘤位置：乳腺。受试者：1775 例。该数据集包含 1,775 名患者的临床数据及 3,728 幅乳腺 X 线摄影（MG）图像，这些患者的乳腺肿瘤经活检确认为良性或恶性。对于其中的 749 名患者子集（D2-####），还包含了分子亚型信息。更多详情及相关元数据，请参阅 CMMD（https://doi.org/10.7937/tcia.eqde-4b16）wiki 页面。

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