用于FGT分类与分析的可公开获取乳腺MRI数据集
概述 本数据集旨在支持乳腺MRI扫描中纤维腺体组织（FGT）量分类的研究。它包含来自不同FGT水平患者的2D和3D MRI图像，并根据BI-RADS词典类别进行标注
基本信息
资源简介
用于FGT分类与分析的可公开获取乳腺MRI数据集
该数据集名为“Publicly Available Breast MRI Dataset for FGT Classification and Analysis”，旨在支持乳腺MRI扫描中纤维腺体组织（FGT）量分类的研究。数据集包含来自不同FGT水平患者的2D和3D MRI图像，并依据BI-RADS词典类别进行标注，可用于机器学习与深度学习模型的开发与评估，进而服务于乳腺癌风险评估。数据集发布于Zenodo，采用Creative Commons Attribution 4.0 International许可，发布时间为2025年。
【数据集背景】
乳腺MRI中纤维腺体组织（FGT）的定量与分类分析是乳腺影像研究的重要方向之一。该数据集正是为支持FGT量分类研究而构建，目标在于促进相关机器学习与深度学习模型的开发与评估，并期望通过FGT分类研究为乳腺癌风险评估提供支持。数据集按照BI-RADS词典类别对FGT水平进行标注，使图像数据与临床常用的乳腺影像报告术语体系相对应。
【数据内容】
数据集包含2D和3D两种形式的乳腺MRI图像，图像来自具有不同FGT水平的患者。所有图像均根据BI-RADS词典类别进行标注，用于反映纤维腺体组织的量。数据集同时覆盖2D与3D图像，可支持不同维度的分类分析与模型构建需求。关于图像的具体数量、文件格式、存储结构及标注文件的详细组织形式，源站未提供。
【采集与来源】
数据集的初始版本由826例乳腺MRI扫描构成，这些扫描采集于德黑兰Imam Khomeini Hospital Complex，采集时间范围为2017年7月至2022年5月。在数据纳入过程中设置了排除标准，若病例符合以下任一情形则被排除，原因是这些情形可能影响对正常对侧乳腺的分类：双侧乳腺癌；存在假体或既往接受过乳房成形术；有双侧手术史；因运动伪影导致MRI质量不佳。数据集的作者包括Meysam Khalaj、Arvin Arian、Ala Torabi、Nasrin Ahmadinejad、Masoumeh Gity、Seyedeh Nooshin Miratashi Yazdi、Mohammad Pooya Afshari、Melika Sadeghi Tabrizi、Ahmad Kalhor与Hamid Soltanian-Zadeh，发布机构为Zenodo。
【适用场景】
该数据集适用于乳腺MRI中纤维腺体组织量分类相关的研究，尤其适合用于开发和评估机器学习与深度学习分类模型。由于同时包含2D与3D图像，可用于二维与三维方法的研究比较。标注依据BI-RADS词典类别，便于与临床乳腺影像报告术语衔接。数据集的设计目标之一是为乳腺癌风险评估相关研究提供支持。关于该数据集在其他具体任务上的适用性，源站未提供。
【使用方法】
数据集以公开可获取的形式发布，采用Creative Commons Attribution 4.0 International许可，使用者可在署名条件下使用。关于数据下载方式、目录结构、读取接口、预处理步骤、训练/验证/测试划分以及评价指标等具体使用说明，源站未提供。
【质量与限制】
数据集在采集阶段通过排除标准控制可能干扰正常对侧乳腺分类的病例，排除情形包括双侧乳腺癌、假体或既往乳房成形术、双侧手术史以及因运动伪影导致的MRI质量不佳。这些措施有助于提升数据在FGT分类研究中的适用性。关于数据集的其他质量评估结果、标注一致性指标、样本在不同FGT类别间的分布以及潜在偏倚等，源站未提供。
【引用与许可】
使用该数据集时应遵循Creative Commons Attribution 4.0 International许可要求进行署名。数据集的作者为Meysam Khalaj、Arvin Arian、Ala Torabi、Nasrin Ahmadinejad、Masoumeh Gity、Seyedeh Nooshin Miratashi Yazdi、Mohammad Pooya Afshari、Melika Sadeghi Tabrizi、Ahmad Kalhor与Hamid Soltanian-Zadeh，发布机构为Zenodo，发布时间为2025年。关于具体的引用格式与DOI信息，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/10.5281/zenodo.14921216
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 20.80 GB。
数据说明
概述 本数据集旨在支持乳腺MRI扫描中纤维腺体组织（FGT）数量分类的研究。数据集包含来自FGT水平各异的患者的2D和3D MRI图像，并根据BI-RADS词典类别进行标注。该数据集旨在促进用于FGT分类的机器学习和深度学习模型的开发与评估，从而有助于乳腺癌风险评估。数据集采集与标注 初始数据集包括2017年7月至2022年5月期间在德黑兰伊玛目霍梅尼医院综合体采集的826例乳腺MRI扫描。若病例符合以下任一标准，则被排除，因为这些情况可能影响对正常对侧乳腺的分类：双侧乳腺癌；存在假体或既往乳房成形术史；双侧手术史；因运动伪影导致的MRI质量不佳。应用这些排除标准后，剩余654例MRI扫描。
两位放射科医师独立使用三维轴位T1加权脂肪饱和预对比序列评估扫描图像，并将其按BI-RADS词典分类：A：几乎完全为脂肪 B：散在纤维腺体组织 C：不均匀纤维腺体组织 D：极度纤维腺体组织 若两位放射科医师意见不一致，则咨询第三位放射科医师以达成共识。最终数据集包含654例MRI扫描，每位患者一例扫描。患者年龄范围为19至76岁，平均年龄为43.24 ± 9.64岁。MRI采集详情 所有MRI扫描均使用以下设备之一获得：1.5T扫描仪（Optima MR360，GE Healthcare）3T扫描仪（Discovery MR750w，GE Healthcare）数据集结构 三维数据集 三维数据集由从DICOM转换为NIFTI格式的MRI扫描组成，用于三维评估。这些图像保持其原始空间分辨率，并提供对全面分析至关重要的体积信息。二维数据集 对于二维数据集，每位患者的扫描均经过处理
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。
