INbreast全视野数字乳腺摄影数据集
INbreast包含全视野数字乳腺摄影图像、病灶轮廓和BI-RADS信息，可用于乳腺钙化、肿块和癌变检测研究。由Centro Hospitalar de S?o Jo?o提供，来自Bi?keanós，包含410条数据记录，适用于目标检测任务，专注于肿瘤领域的导管原位癌（DCIS）研究。
基本信息
资源简介
INbreast全视野数字乳腺摄影数据集
【一句话概览】
INBreast 是一个乳腺钼靶数据库，图像采集自葡萄牙波尔图 São João 医院乳腺中心。该数据库共包含 115 例病例、410 幅图像，其中 90 例为双乳女性（每例 4 幅图像），25 例为乳房切除患者（每例 2 幅图像）。数据库涵盖肿块、钙化、不对称和扭曲等多种病变类型，并提供由专家绘制的精确轮廓，以 XML 格式存储（来源 biokeanos.com）。
【数据集背景】
本数据集源站标题为《INBreast》。
【数据内容】
源站原始描述：The INbreast database is a mammographic database, with images acquired at a Breast Centre, located in a Hospital de São João, Breast Centre, Porto, Portugal. INbreast has a total of 115 cases (410 images) of which 90 cases are from women with both breasts (4 images per case) and 25 cases are from mastectomy patients (2 images per case). Several types of lesions (masses, calcifications, asymmetries, and distortions) are included. Accurate contours made by specialists are also provided in XML form…
中文译文（机器翻译，仅供快速理解，请以原文为准）：INbreast数据库是一个乳腺X线摄影数据库，其中的图像采集自葡萄牙波尔图圣若昂医院乳腺中心。INbreast共包含115例病例（410幅图像），其中90例为双乳女性（每例4幅图像），25例为乳房切除术患者（每例2幅图像）。数据库涵盖了多种类型的病变（肿块、钙化、不对称和扭曲）。此外，还以XML格式提供了由专家绘制的精确轮廓。
【主题与分类】
主题标签：mammography、breast、digital mammography、masses、calcifications、asymmetries、distortions、XML contours。
【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://biokeanos.com/source/INbreast
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://biokeanos.com/source/INbreast
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
INbreast包含全视野数字乳腺摄影图像、病灶轮廓和BI-RADS信息，可用于乳腺钙化、肿块和癌变检测研究。
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。
