LA-Breast DCE-MRI 数据集
每个研究按 MRI_N 匿名化命名，含 15 个影像序列，包括增强前 T1 脂肪饱和动态序列、5 个增强后动态序列、无脂肪饱和 T1 与 T2、ADC 及扩散图像，均以 DICOM 3.0 存储
基本信息
资源简介
LA-Breast DCE-MRI 数据集
LA-Breast DCE-MRI Dataset
LA-Breast DCE-MRI Dataset 来源于 data.mendeley.com，包含拉丁美洲患者的回顾性乳腺 DCE-MRI 影像。每个研究按 MRI_N 匿名化命名，含 15 个影像序列，包括增强前 T1 脂肪饱和动态序列、5 个增强后动态序列、无脂肪饱和 T1 与 T2、ADC 及扩散图像，均以 DICOM 3.0 存储。数据来自多台 1.5T 扫描仪，使用钆基对比剂。该数据集可用于乳腺癌影像分析、多序列特征研究及算法开发与验证（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2024-06-07。
【数据内容】
源站描述（机器翻译，仅供参考）：图像选自对应拉丁美洲患者的回顾性研究。研究根据采集参数进行选择，目的是保持多样性同时确保研究间的同质性。每项研究按照“MRI_N”约定进行匿名化，其中 N 代表患者的整数编号（1 至 200 之间）。每项研究包含 15 个成像序列：增强前 T1 脂肪饱和动态序列（d0）、五个增强后 T1 脂肪饱和动态序列（d1 至 d5）、无脂肪饱和 T1（t1）、无脂肪饱和 T2（t2）、表观扩散系数图像（ADC）和扩散图像（Diff）。所有图像序列均使用标准 DICOM 3.0 获取和存储。此外，所有研究均使用多台 1.5T 扫描仪采集，所有对比剂均为钆基，剂量在 0.014 至 0.016 l/mol 之间，因为它们是回顾性获取的
【数据结构与技术规格】
文件数 1 个，合计 3.12 GB。数据集 DOI：10.17632/8rzyn3ng9c.1。
【主题与分类】
主题标签：乳腺癌、DCE-MRI、拉丁美洲患者、DICOM、多序列影像、回顾性研究。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/8rzyn3ng9c
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://data.mendeley.com/datasets/8rzyn3ng9c/1
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 3.12 GB。
数据说明
Ruben Fonnegra (2024). LA-Breast DCE-MRI Dataset [Dataset]. http://doi.org/10.17632/8rzyn3ng9c.1
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。
