IDC RIDER 乳腺 MRI 数据集
IDC RIDER Breast MRI 是来自影像数据共享平台 IDC 的乳腺磁共振影像数据集，属于肿瘤/乳腺癌分类，覆盖乳腺部位，共包含 5 名受试者
基本信息
资源简介
IDC RIDER 乳腺 MRI 数据集
IDC RIDER Breast MRI 是一个公开的乳腺磁共振影像数据集，收录于影像数据共享平台 IDC（Imaging Data Commons），在分类上归属于肿瘤领域下的乳腺癌方向，覆盖的解剖部位为乳腺。该数据集共包含 5 名受试者，主题标签为 Breast Cancer 与 Breast。作为 IDC 平台上的一个集合，它面向乳腺癌相关的影像研究，提供乳腺磁共振影像资源，可供影像组学、医学影像分析等方向的研究者使用。其来源站点为 portal.imaging.datacommons.cancer.gov，用户可通过该平台获取数据集及相关元数据信息。
【数据集背景】
该数据集属于肿瘤学与乳腺癌研究范畴，聚焦于乳腺部位的磁共振影像。乳腺癌是常见的恶性肿瘤之一，围绕其开展的影像学研究通常关注病灶的检出、分割、特征提取与疗效评估等方向。IDC RIDER Breast MRI 作为 IDC 平台上的一个影像集合，为乳腺磁共振相关研究提供了数据基础。数据集的主题标签明确指向 Breast Cancer 与 Breast，表明其内容与乳腺肿瘤影像直接相关。
【数据内容】
该数据集为乳腺磁共振影像数据，受试者数量为 5 名。数据集英文名称为 IDC RIDER Breast MRI，在平台分类中属于肿瘤 / 乳腺癌类别。除上述信息外，关于影像的具体模态序列、扫描参数、图像数量、标注信息等内容，源站未提供。
【采集与来源】
该数据集来源于 portal.imaging.datacommons.cancer.gov，即 IDC 影像数据共享平台。源站描述中提及了 IDC collection RIDER Breast MRI，并标注其癌症类型为 Breast Cancer，肿瘤部位为 Breast，受试者为 5 名。关于数据的具体采集机构、采集时间、扫描设备与采集协议等信息，源站未提供。
【适用场景】
基于其乳腺磁共振影像与乳腺癌主题，该数据集可应用于乳腺影像相关的分析与研究场景，例如影像组学特征探索、乳腺磁共振图像处理算法的开发与验证等。由于数据集规模较小，仅包含 5 名受试者，其更适用于方法探索、初步验证或教学演示等用途。关于该数据集是否适用于特定任务（如病灶分割、分类或预测建模），源站未提供明确说明。
【使用方法】
用户可通过来源站点 portal.imaging.datacommons.cancer.gov 访问该数据集。关于数据的下载方式、访问权限、文件组织形式以及配套工具等具体使用细节，源站未提供。
【质量与限制】
该数据集仅包含 5 名受试者，样本量较小，在统计分析与模型训练方面的代表性有限。关于影像质量、标注准确性、数据完整性以及是否存在偏倚等信息，源站未提供。
【引用与许可】
关于该数据集的引用方式与许可条款，源站未提供。
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
源站：https://portal.imaging.datacommons.cancer.gov/explore/filters?collection_id=rider_breast_mri
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:
数据说明
IDC 数据集 RIDER 乳腺 MRI。癌症类型：乳腺癌。肿瘤位置：乳腺。受试者：5 例。NSCLC-Radiomics-Interobserver1（https://doi.org/10.7937/tcia.2019.cwvlpd26）包含 22 例非小细胞肺癌（NSCLC）放疗患者的临床数据和计算机断层扫描（CT）图像。该数据集对应于发表在《Nature Communications》上的研究中的“多勾画”数据集（https://doi.org/10.1038/ncomms5006 (http://doi.org/10.1038/ncomms5006)）。简而言之，该论文对 1,019 例肺癌或头颈癌患者的计算机断层扫描数据采用了影像组学方法。请访问 NSCLC-Radiomics-Interobserver1（https://doi.org/10.7937/tcia.2019.cwvlpd26）页面，以了解更多关于图像的信息并获取该集合的任何支持性元数据。
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。
