乳腺超声图像数据集
该数据集包含780张乳腺超声图像，数据模态为医学影像，涵盖正常、良性和恶性三类标注，来源于600名25-75岁女性患者的临床检查；其主要用途是支持机器学习在乳腺癌早期检测、分类及图像分割方面的研究，为开发辅助诊断工具提供高质量的医学图像数据基础。
基本信息
资源简介
乳腺超声图像数据集
【数据集背景】
本数据集源站标题为《ShivamRaisharma/breastcancer》。源站首次发布：2024-06-07。
【数据内容】
源站原始描述：# Dataset Card for Breast Ultrasound Images Dataset ## Table of Contents - Table of Contents - Dataset Description - Dataset Summary - Supported Tasks and Leaderboards - Languages - Dataset Structure - Data Instances - Data Fields - Data Splits - Dataset Creation - Curation Rationale#c…
【数据结构与技术规格】
文件数 995 个，合计 163.90 MB。
【主题与分类】
主题标签：license:cc0-1.0、size_categories:1K<n<10K、format:imagefolder、modality:image、library:datasets、library:mlcroissant、region:us。
【获取与许可】
源站页面：https://huggingface.co/datasets/ShivamRaisharma/breastcancer
使用许可：cc0-1.0。
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。
免登录有偿下载
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("ShivamRaisharma/breastcancer")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/ShivamRaisharma/breastcancer
数据说明
该数据集是一个用于乳腺癌检测与分类的医学影像数据集，包含通过超声扫描采集的乳腺图像。数据集共收录780张PNG格式图像，平均尺寸为500*500像素，图像分为三类：正常、良性病变和恶性病变。数据来源于2018年收集的600名25-75岁女性患者的临床超声影像，并提供了与原始图像对应的真实标注（ground truth）。该数据集主要用于乳腺癌的早期检测与诊断研究，支持机器学习在医学图像分类、检测与分割任务中的应用，旨在通过辅助诊断降低乳腺癌的死亡率。数据集遵循CC0-1.0许可协议，可公开获取使用。
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。
