nielsr/breast-cancer

--- dataset_info: features: - name: image dtype: image - name: label dtype: image splits: - name: train num_bytes: 42431652.0 num_examples: 130 download_size: 0 dataset_size: 42431652.0 --- # Dataset Card for "breast-cancer" Dataset was taken from the MedSAM project and used in [this notebook](https://github.com/NielsRogge/Transformers-Tutorials/blob/master/SAM/Fine_tune_SAM_(segment_anything)_on_a_custom_dataset.ipynb) which fine-tunes Meta's SAM model on the dataset. [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)--- 数据集信息: 特征项: - 名称: image（图像）, 数据类型: image（图像） - 名称: label（标签）, 数据类型: image（图像） 划分集: - 名称: train（训练集）, 字节数: 42431652.0, 样本数: 130 下载大小: 0 数据集总大小: 42431652.0 --- # "乳腺癌"数据集卡片 本数据集源自MedSAM项目，并已被应用于[该教程笔记本](https://github.com/NielsRogge/Transformers-Tutorials/blob/master/SAM/Fine_tune_SAM_(segment_anything)_on_a_custom_dataset.ipynb)，该教程用于在本数据集上微调Meta旗下的SAM（Segment Anything，任意分割）模型。 [需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: breast-cancer

数据集特征

• 特征1: image
  • 数据类型: image
• 特征2: label
  • 数据类型: image

数据集分割

• 分割类型: train
  • 示例数量: 130
  • 数据大小: 42431652.0字节

数据集大小

• 下载大小: 0字节
• 数据集总大小: 42431652.0字节

搜集汇总

数据集介绍

构建方式

该数据集源自MedSAM项目，旨在为乳腺超声图像提供语义分割标注。原始图像与对应的掩膜标签均以图像格式存储，共包含130个训练样本。数据集被划分为单一的训练集，其总大小约为42.4兆字节，确保了数据加载的高效性。构建过程中，图像与标签严格配对，以便于监督学习任务的开展。

特点

数据集的核心特点在于其专注于医学图像分割任务，特别是乳腺癌症区域的识别。所有样本均经过专业标注，提供像素级的分割掩膜，这为训练高精度的分割模型奠定了坚实基础。尽管样本数量相对有限，但数据质量较高，且尺寸统一，便于直接用于深度学习框架的预处理流水线。

使用方法

该数据集主要用于微调Meta的SAM（Segment Anything）模型，相关教程与代码实现已在GitHub仓库中公开。用户可通过HuggingFace的datasets库直接加载，利用其内置的image特征类型无缝集成至PyTorch或TensorFlow训练流程。典型应用包括加载图像与标签对，构建数据加载器，并基于SAM模型进行迁移学习，最终实现乳腺超声图像的自动分割。

背景与挑战

背景概述

乳腺癌作为全球女性最常见的恶性肿瘤之一，其早期诊断与精准治疗依赖于医学影像分析技术的持续突破。该数据集由Niels Rogge基于MedSAM项目整理，并于2023年发布，旨在支持医学图像分割模型的微调研究。核心研究问题聚焦于如何利用有限的标注数据（仅130张训练图像）高效适配Meta提出的SAM（Segment Anything Model）基础模型，以提升其在乳腺影像分割任务中的泛化能力。该数据集虽规模较小，却为探索预训练大模型在医学领域的迁移学习提供了关键基准，推动了SAM在医疗影像分析中的应用边界。

当前挑战

当前数据集面临多重挑战：其一，领域问题层面，乳腺影像中病灶形态多样、边界模糊且与正常组织对比度低，导致传统分割模型难以达到临床级精度，而SAM等通用模型在医学场景中常因缺乏领域特异性知识而性能受限。其二，构建过程中，该数据集仅包含130例训练样本，远低于深度学习模型对大规模标注数据的需求，且标签为图像级而非像素级掩膜，增加了分割任务的不确定性。此外，数据来源单一可能引入采样偏差，限制模型在跨设备、跨人群场景中的鲁棒性。这些挑战共同制约了模型在真实临床环境中的可部署性。

常用场景

经典使用场景

在医学影像分析领域，乳腺癌的精准分割是辅助诊断与治疗规划的关键环节。该数据集源自MedSAM项目，专为微调Meta提出的Segment Anything Model（SAM）而设计，其经典使用场景在于利用少量标注样本（仅130张训练图像）实现医学图像中乳腺病变区域的语义分割。通过将通用视觉大模型适配至特定医学任务，研究者能够探索小样本学习与迁移学习在医疗影像中的潜力，从而在不依赖大规模人工标注的前提下提升分割精度。

衍生相关工作

基于该数据集，NielsRogge等人发布了公开教程，系统展示了如何利用Transformers库微调SAM模型，催生了多项后续工作。研究者进一步探索了提示工程、多模态融合（如结合临床文本报告）以及跨数据集迁移策略，衍生出诸如MedSAM-Adapter、SAM-Med2D等改进架构。这些工作不仅拓展了基础模型在医学图像分割中的适用边界，还推动了高效微调技术（如LoRA、Adapter）在医疗领域的普及，形成了从算法验证到临床部署的完整研究链条。

数据集最近研究

最新研究方向

在医学影像分析领域，乳腺癌的早期诊断与精准分割始终是研究热点。该数据集源自MedSAM项目，专门用于微调Meta提出的SAM（Segment Anything Model）模型，代表了将通用视觉大模型迁移至特定医学任务的创新方向。当前前沿研究聚焦于如何利用少量标注样本（本数据集仅含130张训练图像）实现高精度肿瘤区域分割，这呼应了医疗场景中标注成本高昂的现实挑战。通过结合SAM的零样本能力与领域微调策略，研究者正探索在乳腺钼靶或超声图像上实现肿瘤边界自动化描绘，其成果有望提升临床诊断效率与一致性。该数据集的发布推动了基础模型在垂直医疗领域的落地，为构建可泛化的医学影像分析工具提供了关键验证平台。