VinDr-Mammo：用于全视野数字乳腺X线摄影计算机辅助检测与诊断的大规模基准数据集
VinDr-Mammo 是发布在 physionet.org 上的大规模乳腺X线摄影基准数据集，面向全视野数字乳腺摄影中的计算机辅助检测与诊断，在该平台的分类中属于肿瘤/乳腺癌相关数据
基本信息
资源简介
VinDr-Mammo：用于全视野数字乳腺X线摄影计算机辅助检测与诊断的大规模基准数据集
VinDr-Mammo 是发布在 physionet.org 上的大规模乳腺X线摄影基准数据集，面向全视野数字乳腺摄影中的计算机辅助检测与诊断，在该平台的分类中属于肿瘤/乳腺癌相关数据。
【数据集背景】
该数据集的名称为 VinDr-Mammo: A large-scale benchmark dataset for computer-aided detection and diagnosis in full-field digital mammography，在源站上以 vindr-mammo 作为标题标识。源站对其描述为“A large-scale benchmark dataset for computer-aided detection and diagnosis in mammography”，即用于乳腺X线摄影计算机辅助检测与诊断的大规模基准数据集。除上述名称、来源和分类信息外，关于数据集立项背景、临床需求、地区疾病负担、项目组织方等，源站未提供。
【数据内容】
从名称和源站描述可知，该数据集面向全视野数字乳腺摄影，并定位于计算机辅助检测与诊断的基准用途。它被归入肿瘤/乳腺癌方向。至于具体包含多少病例、多少影像、单侧或双侧、视图类型、病灶标注、病理标签、影像尺寸、存储格式、训练/验证/测试划分等，源站未提供。因此，不能从现有信息确定其数据规模、标注粒度和文件构成。
【采集与来源】
该数据集来源站为 physionet.org，源站标题为 vindr-mammo。其名称中包含 “VinDr-Mammo”，表明该数据集以 VinDr-Mammo 作为名称标识。除此之外，采集机构、采集国家或地区、采集时间范围、设备型号、伦理审批、数据脱敏流程等，源站未提供。
【适用场景】
该数据集适用于乳腺X线摄影中的计算机辅助检测与诊断研究，尤其与全视野数字乳腺摄影相关。由于其被描述为大规模基准数据集，可用于相关算法或模型的基准评估。它在该平台分类中属于肿瘤/乳腺癌，因此也可服务于该方向的研究与开发。但具体适用任务，例如病灶检测、良恶性分类、筛查分流或其他临床决策支持，源站未提供明确限定；任何更细的任务适配都需要依据源站后续说明判断。
【使用方法】
使用该数据集时，应遵守其许可要求。该数据集采用 PhysioNet Restricted Health Data License 1.5.0，属于受限健康数据许可。关于如何申请访问、如何下载、是否需要签署使用协议、是否限定使用环境、是否允许再分发、以及推荐的数据预处理和模型评估流程，源站未提供。因此，实际使用前应查阅源站页面并按照其许可与访问规则操作。
【质量与限制】
现有信息只表明该数据集被定位为大规模基准数据集，并采用受限健康数据许可。关于图像质量、标注质量、标注者一致性、样本偏倚、覆盖人群、设备差异、缺失数据、潜在泄漏风险、评价指标和基线结果等，源站未提供。其受限健康数据许可也意味着使用和共享会受到约束，不能视为可无条件公开使用的数据。
【引用与许可】
该数据集的许可为 PhysioNet Restricted Health Data License 1.5.0。使用、传播或基于其开展研究时，应遵循该许可条款。关于正式引用格式、作者列表、论文出处、版本号、DOI 或源站要求的致谢文本，源站未提供。若需引用，应以 physionet.org 上该数据集页面的最新说明为准。
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。
需登录公开下载
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。
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（PhysioNet）
- 源站标题：VinDr-Mammo: A large-scale benchmark dataset for computer-aided detection and diagnosis in full-field digital mammography
- 版本：1.0.0
- DOI：10.13026/br2v-7517
- 源站页面：https://physionet.org/content/vindr-mammo/1.0.0
PhysioNet 数据需注册账号（机构邮箱）并签署数据使用协议后下载：
- 在 https://physionet.org/content/vindr-mammo/1.0.0 页面登录并接受许可条款；
- 命令行整目录下载：
wget -r -N -c -np --user=<账号> --ask-password https://physionet.org/files/vindr-mammo/1.0.0/
- 或用官方工具（推荐，支持断点续传与校验）：
pip install physionet-download
physionet-download vindr-mammo
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。
数据说明
乳腺癌是最常见的癌症类型之一，也是癌症死亡的首要类型。乳腺X线摄影是推荐的用于定期乳腺癌筛查的成像方式。目前已发布了一些数据集，用于开发乳腺X线摄影分析的计算机辅助工具。然而，这些数据集要么样本量有限，要么由屏片乳腺X线摄影（SFM）组成，而SFM在临床实践中已被全视野数字乳腺X线摄影（FFDM）取代。本项目介绍了一个大规模全视野数字乳腺X线摄影数据集，包含5,000次四视图检查，由经验丰富的乳腺X线摄影医师进行双阅片，以按照乳腺影像报告和数据系统（BI-RADS）提供癌症评估和乳腺密度。需要进一步检查的乳腺异常也用边界矩形标记。
引用
学术使用请引用：Pham et al. (2022). VinDr-Mammo: A large-scale benchmark dataset for computer-aided detection and diagnosis in full-field digital mammography. PhysioNet. doi:10.13026/br2v-7517 DOI 10.13026/br2v-7517。
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。
