炎性乳腺癌

该数据集以表格形式提供了炎性乳腺癌（IBC）中基于GISTIC分析得到的拷贝数变异（CNAs）区域列表，包括获得/扩增和丢失/缺失的基因组数据，主要应用于癌症基因组学和分子病理学研究，用于探索IBC的遗传变异特征和潜在治疗靶点。

该数据集以炎性乳腺癌（IBC）为核心，整合了临床特征、分子生物学数据及研究模型（如细胞系和动物模型）等多模态信息，包括文本形式的学术文献和潜在的基因表达数据，旨在深入探究IBC的侵袭性机制、分子决定因素及其与转移的关系，为癌症研究、生物标志物识别和治疗策略优化提供关键资源。

该数据集包含569个样本，每个样本基于乳腺肿块细针穿刺活检的数字化图像提取的计算特征，属于表格数据模态，主要用于机器学习在乳腺癌辅助诊断中的研究，通过构建分类模型来区分良性和恶性乳腺肿块，支持医学预测分析与人工智能诊断应用。

该数据集是一个用于乳腺癌病理图像分析的医学影像数据集，包含全玻片图像和图像块两种模态数据，旨在支持肿瘤细胞含量评估的自动化方法研究，主要应用于医学图像处理和计算机辅助诊断方向。

该数据集包含从乳腺肿块细针穿刺细胞核图像中提取的30个数值特征，数据模态为临床表格数据，主要用于乳腺癌的良恶性二分类研究，是机器学习在医学影像分析和辅助诊断领域的经典基准数据集，广泛应用于分类算法（如支持向量机、决策树）的性能评估和模型开发。

该数据集包含针对高侵袭性炎性乳腺癌的细胞与分子实验数据，主要数据模态包括基因表达谱、细胞功能学检测结果（如增殖、迁移、侵袭、凋亡）以及小鼠模型中的肿瘤生长与淋巴管密度分析。数据集主要用于研究绿茶多酚EGCG抑制炎性乳腺癌干细胞活性、降低淋巴管生成并减缓肿瘤进展的作用机制，为探索EGCG在乳腺癌辅助治疗或预防复发中的应用提供基础研究支持。

该数据集是一个包含1,578张医学图像的数据集，图像模态为乳腺癌病理图像，每张图像标注有良性、恶性或正常标签，主要用于乳腺癌的良恶性分类研究，支持计算机视觉和医学图像分析领域的模型训练与评估，适用于深度学习辅助诊断和乳腺癌早期检测的应用场景。

该数据集是一个包含BI-RADS 1、3、4、5类别标注的乳腺X线摄影影像数据集，数据模态为医学X射线图像，主要用于乳腺癌的计算机辅助诊断、影像分类模型训练以及医学影像分析研究，为基于人工智能的乳腺癌早期检测与分级提供关键数据支持。

该数据集包含4872对结构级对齐的H&E与IHC染色病理图像对，属于医学图像模态，主要用于研究从H&E到IHC染色图像的深度学习转换算法，以生成高质量的免疫组化图像，辅助乳腺癌的病理诊断与治疗规划。

Metabric乳腺癌数据集是一个包含乳腺癌患者临床数据、基因表达谱、病理学信息及生存预后数据的多模态医学数据集，整合了来自多中心的临床样本和基因组测序数据，主要用于乳腺癌分子分型、预后评估、生物标志物挖掘以及个性化医疗研究。

该数据集是一个乳腺癌临床数据集，整合了Rotterdam肿瘤库和德国乳腺癌研究小组的数据，包含临床特征和生存时间等结构化表格数据，主要用于乳腺癌患者的生存分析研究，支持基于深度学习的生存预测模型开发与验证，适用于医学统计和临床预测建模等领域。

该数据集是一个包含乳腺癌患者临床特征数据的医疗数据集，数据模态主要为表格形式的数值型特征，如细胞核形态测量值，用于分析和建模不同机器学习算法在乳腺癌诊断中的应用，主要研究方向包括早期诊断、模型比较和医疗预测分析。