乳腺癌威斯康星（诊断）数据集
该数据集包含从乳房肿块细针抽吸（FNA）数字化图像中提取的细胞核形态特征数据，属于医学图像衍生的数值型表格数据，主要用于机器学习模型训练以预测乳腺癌的良恶性，支持乳腺癌早期诊断和辅助决策系统的研究与应用。
创建时间2019-06-02
更新时间2026-05-28
资源简介
这是一个用于乳腺癌诊断预测的医学数据集，主要基于细针抽吸（FNA）获取的乳房肿块细胞图像。数据集包含从这些数字化图像中计算出的细胞核特征，如半径、纹理、周长、面积、光滑度等，用于描述细胞核的形态特性。数据来源于威斯康星大学医院，通过临床采集和图像处理构建而成。该数据集主要用于机器学习在医疗诊断中的应用，特别是二分类问题（良性 vs. 恶性），支持乳腺癌早期筛查、辅助诊断模型开发等研究方向。
提供机构：管理员小F
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 炎性乳腺癌 的高质量、多模态真实临床数据定制解决方案。