可解释模型用于超声BI-RADS恶性分类的复现数据

数据集获取

源站：https://doi.org/10.21950/z5qhrn

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

该数据集包含由三位乳腺放射学专家为乳腺癌数据集（BCD）中339个乳腺病灶标注的结构化BI-RADS超声描述符。共提供802条独立标注，涵盖病灶形状、边缘、方位、回声特性、后方声学特征、钙化、特殊病例及BI-RADS评估分类。原始超声图像来自Rodrigues等人于2019年发表在Data in Brief上的乳腺癌数据集（BCD）。本存储库不再分发原始图像，而是提供基于这些图像生成并与相应病例关联的结构化BI-RADS描述符。一幅超声图像可能描述不止一个肿瘤。这些标注是作为研究“超声BI-RADS恶性分类的可解释模型”（Carrilero-Mardones等人，审稿中，International Journal of Intelligent Systems）的一部分创建的。该数据集也曾用于此前关于BI-RADS恶性估计及乳腺超声解读可解释人工智能的研究。

使用本数据集的用户应同时引用原始BCD数据集的出版物以及描述这些BI-RADS标注创建过程的出版物。

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。