多模态乳腺癌(MSI)数据集

摘要：多模态乳腺癌 MSI 数据集（MultiModel Breast Cancer MSI Dataset）是一个综合性的多模态医学影像集合，专为支持乳腺癌检测和分类任务而设计。该数据集整合了三种不同的医学影像模态——胸部 X 射线（Chest X-Ray）、组织病理学图像（Histopathological）和超声影像（Ultrasound），模拟真实世界临床诊断的多样性场景，旨在提升机器学习模型的鲁棒性和泛化能力。数据集为每种影像模态提供了明确的类别标签：胸部 X 射线区分恶性肿瘤和正常组织，组织病理学图像和超声影像均分为良性和恶性两类。这种多模态架构反映了临床实践中综合运用多种检查手段进行乳腺癌诊断的标准流程，为开发智能辅助诊断系统提供了高质量的训练数据基础。

数据集简介

数据集概述

数据集按照影像模态组织为三个子集，每个子集具有独特的诊断价值和技术特点。Chest_XRay_MSI 子集包含胸部区域的 X 射线扫描图像，标注为恶性（Malignant）或正常（Normal），适用于粗粒度的初步筛查，提供宏观层面的病灶识别能力。Histopathological_MSI 子集包含高分辨率显微组织图像，标注为良性（benign）或恶性（malignant），通过细胞级别的精细视觉信息支持准确的病理分类，是确诊的金标准数据源。Ultrasound Images_MSI 子集包含软组织超声扫描图像，同样分为良性和恶性类别，作为非侵入性癌症筛查的常用手段提供实时成像洞察。数据集在每种模态内保持平衡的类别分布，确保模型训练的公平性和有效性，避免类别不平衡导致的偏差问题。

该数据集支持多个前沿医疗 AI 研究方向，包括多模态学习与数据融合、基于 CNN 的影像分类、深度特征提取（如 ResNet、EfficientNet）、医学图像预处理流程开发以及模型评估与性能基准测试。研究人员可以利用该数据集开发单模态分类模型或构建融合多种影像信息的集成诊断系统，通过迁移学习技术提升模型在小样本场景下的表现，或设计端到端的乳腺癌早期检测流程。数据集真实模拟了多源医疗数据整合的临床场景，为医疗 AI 研究提供了符合实际应用需求的实验平台，有助于推动计算机辅助诊断（CAD）系统的开发、提升乳腺癌早期检测准确率、优化诊断工作流程效率，并为医疗影像分析领域的算法创新和临床应用转化提供数据支撑。

数据集来源

该数据集整合了三种医学影像模态（胸部 X 射线、组织病理学显微图像、超声影像），每种模态包含标注的良性/恶性或正常/恶性类别样本，专为乳腺癌检测的多模态机器学习研究而构建。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-49
文件大小：315M
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。