乳腺X线摄影乳腺癌图像数据集
这是一个小型数据集，是大型乳腺癌图像数据集的一部分。这些图像是乳腺X线摄影图像。主题标签：肿瘤、乳腺癌、乳腺X线摄影、医学图像
基本信息
资源简介
乳腺X线摄影乳腺癌图像数据集
Mammograms-Breast Cancer Images 是一个以乳腺X线摄影图像为内容的公开数据集，英文名称即 Mammograms-Breast Cancer Images，在数据集分类中归属于肿瘤 / 乳腺癌方向，来源站点为 ieee-dataport.org。根据源站描述，该数据集是一个小型数据集，属于一个规模更大的乳腺癌图像数据集的一部分，其中的图像均为乳腺X线摄影（mammogram）图像。该数据集的主题标签包括肿瘤、乳腺癌、乳腺X线摄影和医学图像，整体定位是为乳腺癌相关的图像分析与研究提供乳腺X线影像素材。需要说明的是，该数据集规模较小，且仅为更大数据集的一个组成部分，因此在使用时应将其视为一个局部样本集合，而非完整的乳腺癌影像库。
【数据集背景】
乳腺癌是医学影像分析中受到广泛关注的研究方向之一，乳腺X线摄影则是乳腺疾病筛查与诊断中常用的成像方式。该数据集正是在这一背景下构建的，其英文名称为 Mammograms-Breast Cancer Images，在分类上属于肿瘤 / 乳腺癌领域，来源站点为 ieee-dataport.org。源站将其描述为一个小型数据集，并且明确指出它是一个规模更大的乳腺癌图像数据集的一部分。这意味着该数据集并非独立构建的完整影像库，而是从更大数据集中划分或抽取出的一个子集，其内容主题集中在乳腺X线摄影图像上。数据集的主题标签涵盖肿瘤、乳腺癌、乳腺X线摄影与医学图像，反映出其面向的应用领域为医学图像特别是乳腺影像相关的研究。
【数据内容】
该数据集的内容为乳腺X线摄影图像，即 mammograms。源站描述明确指出这些图像是乳腺X线摄影图像，且该数据集是一个小型数据集，属于大型乳腺癌图像数据集的一部分。除上述信息外，源站未提供关于图像数量、图像分辨率、文件格式、标注信息、类别划分等更具体的内容说明。
【采集与来源】
该数据集的来源站点为 ieee-dataport.org。源站描述说明它是一个小型数据集，是大型乳腺癌图像数据集的一部分，图像为乳腺X线摄影图像。关于图像的具体采集机构、采集设备、采集时间、采集地点以及患者相关信息，源站未提供。
【适用场景】
基于其内容为乳腺X线摄影图像且归属于肿瘤 / 乳腺癌分类，该数据集可用于乳腺影像相关的图像分析研究与教学演示等通用用途。由于其规模较小且为更大数据集的一部分，更适合作为局部样本用于方法验证或初步探索。关于该数据集的具体适用任务类型，源站未提供。
【使用方法】
源站未提供关于数据获取方式、目录结构、读取方法或使用流程的具体说明。
【质量与限制】
该数据集的主要限制在于其规模较小，并且仅为大型乳腺癌图像数据集的一部分，因此不能代表完整的数据分布。源站未提供关于图像质量、标注准确性、数据完整性等方面的具体说明。
【引用与许可】
源站未提供关于引用格式与许可条款的具体信息。
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://ieee-dataport.org/documents/mammograms-breast-cancer-images
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 19.9 MB。
数据说明
Dr G R Sinha (2019). Mammograms-Breast Cancer Images [Dataset]. https://ieee-dataport.org/documents/mammograms-breast-cancer-images
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。
