BreakHis (乳腺癌组织病理学数据库)
BreakHis是一个用于乳腺癌诊断研究的组织病理学图像数据集，包含从82名患者采集的9,109张在不同放大倍数（40X、100X、200X、400X）下获取的乳腺肿瘤显微图像，图像模态为RGB彩色病理切片图像，数据包含2,480个良性样本和5,429个恶性样本。该数据集主要用于开发基于深度学习的乳腺癌自动分类模型、医学图像分析算法评估以及计算机辅助诊断系统的训练与验证。
基本信息
资源简介
BreakHis (乳腺癌组织病理学数据库)
【一句话概览】
BreakHis 乳腺癌组织病理学数据库包含来自 82 名患者的 9,109 张乳腺肿瘤组织显微图像，采用 40X、100X、200X 和 400X 四种放大倍数采集。其中良性样本 2,480 个，恶性样本 5,429 个，图像为 700X460 像素、3 通道 RGB、每通道 8 位深度的 PNG 格式。该数据库与巴西巴拉那的 P&D 实验室——病理解剖学和细胞病理学合作建立，适用于乳腺癌组织图像分类、医学图像检索及组织病理学相关研究（来源 opendatalab.org.cn）。
【数据集背景】
本数据集源站标题为《BreakHis (Breast Cancer Histopathological Database)》。
【数据内容】
源站原始描述：乳腺癌组织病理学图像分类 (BreakHis) 由使用不同放大倍数（40X、100X、200X 和 400X）从 82 名患者收集的 9,109 张乳腺肿瘤组织显微图像组成。它包含 2,480 个良性样本和 5,429 个恶性样本（700X460 像素，3 通道 RGB，每个通道 8 位深度，PNG 格式）。该数据库是与巴西巴拉那的 P&D 实验室 - 病理解剖学和细胞病理学合作建立的。
中文译文（机器翻译，仅供快速理解，请以原文为准）：乳腺癌组织病理学图像分类 (BreakHis) 由使用不同放大倍数（40X、100X、200X 和 400X）从 82 名患者收集的 9,109 张乳腺肿瘤组织显微图像组成。它包含 2,480 个良性样本和 5,429 个恶性样本（700X460 像素，3 通道 RGB，每个通道 8 位深度，PNG 格式）。该数据库是与巴西巴拉那的 P&D 实验室 - 病理解剖学和细胞病理学合作建立的。
【主题与分类】
主题标签：医疗、CV、乳腺癌组织图像分类、医学图像检索、组织病理学、乳腺肿瘤。
【获取与许可】
源站页面：https://opendatalab.org.cn/OpenDataLab/BreakHis
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://opendatalab.org.cn/OpenDataLab/BreakHis
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
BreakHis是一个公开的乳腺癌组织病理学图像数据集，专门用于乳腺癌的计算机辅助诊断研究。该数据集包含从82名患者收集的9,109张乳腺肿瘤组织显微图像，涵盖四种不同的放大倍数（40X、100X、200X和400X）。其中包含2,480个良性样本和5,429个恶性样本，所有图像均为PNG格式，分辨率为700x460像素，采用3通道RGB色彩空间，每个通道8位深度。该数据集由巴西巴拉那的P&D实验室（病理解剖学和细胞病理学）合作建立，主要应用于医学图像分析、乳腺癌自动诊断、深度学习模型训练和计算机视觉算法评估等领域。相关论文发表于IEEE Transactions on Biomedical Engineering期刊（2016年）。
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。
