Newfoundland and Labrador 乳腺筛查数据集 (NL-Breast-Screen)
该数据集来自乳腺癌筛查项目，包含患者检查的乳腺钼靶图像及关联元数据，其中放射科医生的判读结果对阳性病例经活检确认，判读后两年内显示无癌
基本信息
资源简介
Newfoundland and Labrador 乳腺筛查数据集 (NL-Breast-Screen)
Newfoundland and Labrador Breast Screening（NLBS）数据集（NL-Breast-Screen）是一个面向乳腺癌筛查研究的医学影像数据集，收录了来自乳腺癌筛查项目的乳腺钼靶图像以及与之关联的元数据。该数据集由 Kendall、Hajishafiezahramini、Hamilton、Doyle、Wadden 与 Meruvia-Pastor 共同发布，托管于 Federated Research Data Repository（联邦研究数据存储库），发布时间为 2025 年，采用 Creative Commons Attribution 4.0 International（CC BY 4.0）许可。按照来源站点的说明，数据集中放射科医生的判读结果对阳性病例经过活检确认，阴性判读则要求在判读后两年内保持无癌状态，这一设计使数据特别适合用于乳腺钼靶图像分类的机器学习训练。数据集在分类上归属于肿瘤／乳腺癌方向，主题涵盖筛查、乳腺、钼靶摄影以及人工智能中的计算机视觉等。
【数据集背景】
乳腺癌筛查依赖影像学判读，而基于机器学习的辅助判读方法需要带有可靠参考标准的大规模影像数据作为支撑。NLBS 数据集正是从乳腺癌筛查项目的实际业务流程中产生的数据资源，其核心价值在于将乳腺钼靶图像与放射科医生的判读结果及相应元数据一并提供，并以活检确认和两年随访无癌作为阳性与阴性判读的验证依据，从而为影像分类研究提供具有临床参考意义的标注基础。
【数据内容】
数据集由两部分构成：一是患者检查所产生的乳腺钼靶图像；二是与这些图像关联的元数据，其中包括放射科医生的判读记录。阳性判读结果经过活检确认，阴性判读结果则表现为判读后两年内无癌。来源站点明确指出，该数据高度适合用于乳腺钼靶图像分类的机器学习训练。关于图像的具体数量、分辨率、文件格式、元数据字段构成等信息，源站未提供。
【采集与来源】
数据来源于乳腺癌筛查项目，图像取自患者检查过程，判读信息来自放射科医生的阅片记录。数据集的发布机构为 Federated Research Data Repository / dépôt fédéré de données de recherche，来源站点标识为 doi.org，发布年份为 2025 年。作者包括 Kendall, Edward、Hajishafiezahramini, Parham、Hamilton, Matthew、Doyle, Gregory、Wadden, Nancy 与 Meruvia-Pastor, Oscar。关于筛查项目的具体覆盖人群、采集时间跨度与采集机构，源站未提供。
【适用场景】
依据来源站点的说明，该数据集最适合的应用方向是乳腺钼靶图像分类的机器学习训练。结合其主题标签，可服务于人工智能计算机视觉在医学影像分析中的研究与开发，尤其是与乳腺癌筛查判读相关的分类任务。数据集同时包含影像与判读元数据，便于在训练分类模型时结合影像特征与阅片信息开展研究。关于其他具体任务类型（如检测、分割）或临床验证用途，源站未提供。
【使用方法】
数据集以图像与关联元数据的形式提供，使用者可据此构建影像分类的训练与评估流程。由于阳性与阴性判读分别经过活检确认与两年无癌随访验证，标注可作为分类任务的参考标准。关于数据的下载方式、目录组织、元数据格式、配套代码或基线模型等信息，源站未提供。
【质量与限制】
该数据集标注的可信度建立在两类验证之上：阳性病例经活检确认，阴性判读要求判读后两年内无癌，这为分类研究提供了较为严格的参考标准。其局限在于数据仅来自单一乳腺癌筛查项目，来源站点未提供样本规模、人群构成、设备型号与图像质量参数等信息，使用者在评估模型的泛化能力时需加以注意。此外，源站未提供关于数据缺失、类别分布或标注一致性等方面的说明。
【引用与许可】
使用该数据集时应按照学术惯例引用其作者 Kendall, Edward、Hajishafiezahramini, Parham、Hamilton, Matthew、Doyle, Gregory、Wadden, Nancy 与 Meruvia-Pastor, Oscar 于 2025 年发布的数据集，并通过 doi.org 上的来源站点获取正式引用信息。数据集采用 Creative Commons Attribution 4.0 International（CC BY 4.0）许可，允许在署名条件下使用、共享与改编。关于具体的引用格式与署名要求细节，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/10.20383/103.01526
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
一个来自乳腺癌筛查项目的数据集，包含患者检查的乳房X线摄影图像及相关元数据，其中包括放射科医生的判读结果，阳性病例经活检确认，判读后两年内显示无癌症。非常适合用于乳房X线摄影图像分类的机器学习训练。
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。
