BRACS乳腺癌亚型病理数据集

BRACS包含乳腺病变H&E全切片图像和ROI,标注类别包括良性、非典型、DCIS和浸润癌,适合乳腺癌亚型分类。由CNR ICAR提供,包含4539条数据记录,专注于肿瘤领域的导管原位癌(DCIS)研究。

CNR ICARCNR ICAR
BRACS
2022-01-01 更新
浏览 33
图像分类breast cancerhistopathologyhematoxylin and eosinwhole slide imagescarcinoma subtypinglesion classification
BRACS

基本信息

模态
图像
数据量
4539
任务类型
分类
创建/更新时间
2022-01-01

资源简介

BRACS乳腺癌亚型病理数据集

【一句话概览】

BRACS 是一个用于乳腺肿瘤自动检测与分类的苏木精-伊红组织病理图像数据集,包含 6 种不同的病变亚型,其中包括非典型病变图像,也纳入了代表正常组织样本的组织学图像。该数据集涉及 189 名受试者,共 547 幅影像,相关标签涵盖乳腺癌、组织病理学、苏木精-伊红、全切片图像、癌亚型分型及病变分类(来源 bracs.icar.cnr.it)。

【数据集背景】

本数据集源站标题为《BRACS: BReAst Carcinoma Subtyping》。

【数据内容】

源站原始描述:A new dataset of hematoxylin and eosin histopathological images for automated detection/classification of breast tumors BRACS contains 6 different subtypes of lesions including also images representing atypical lesions. Histological images representing normal tissue samples are also included into BRACS

中文译文(机器翻译,仅供快速理解,请以原文为准):一个新的苏木精-伊红组织病理学图像数据集,用于乳腺肿瘤的自动检测/分类,BRACS包含6种不同的病变亚型,其中也包括代表非典型病变的图像。BRACS中还包含了代表正常组织样本的组织学图像。

【主题与分类】

主题标签:breast cancer、histopathology、hematoxylin and eosin、whole slide images、carcinoma subtyping、lesion classification。

【适用方向】

影像类数据可用于医学图像分析模型(检测、分割、分类)的训练与评测,也可用于标注质量与成像参数相关性的研究。

【获取与许可】

源站页面:https://www.bracs.icar.cnr.it/

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

暂未开放

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://www.bracs.icar.cnr.it/

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

BRACS包含乳腺病变H&E全切片图像和ROI,标注类别包括良性、非典型、DCIS和浸润癌,适合乳腺癌亚型分类。

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。

获取专属数据定制方案