多模态乳腺超声数据集(US3M)

发布时间：2026/8/1 0:37:56

摘要：多模态乳腺超声数据集US3M是一个专门用于乳腺癌智能诊断研究的临床真实超声影像数据库，由哈尔滨医科大学第二附属医院收集并标注，包含来自248名患者的1,532张乳腺超声图像。该数据集采用二分类标注体系，通过配套的BD3M.xlsx标注文件明确标识每个样本的肿瘤类别（0代表良性肿瘤，1代表恶性肿瘤），为监督学习提供了清晰的诊断标签。数据集的核心特色在于其多模态设计和对不完整数据场景的支持，能够模拟临床实践中部分患者缺少特定超声模态图像的真实情况，显著提升了基于该数据训练的AI模型的临床适应性和鲁棒性。

数据集简介

数据集概述

数据集源自哈尔滨医科大学第二附属医院的临床超声诊断数据，这是一所具备丰富乳腺疾病诊疗经验的三甲综合性医院，所有图像均为真实临床检查中采集的超声影像，经过专业放射科医师的严格诊断和标注，确保了数据的医学准确性和临床价值。248名患者共提供1,532张超声图像，平均每位患者约6.2张图像，这些图像涵盖了不同扫描角度、不同切面视图以及可能的多种超声成像模态（如B型超声、彩色多普勒血流成像、弹性成像等）。数据集采用结构化组织方式，每位患者的图像存储在独立文件夹中，配套的Excel标注文件（BD3M.xlsx）提供清晰的标签索引。

US3M数据集为乳腺癌计算机辅助诊断（CAD）和医学人工智能研究提供了高质量的临床基准数据，在多模态医学影像融合、缺失数据鲁棒学习、深度学习可解释性等前沿领域具有重要研究价值。该数据集已在权威期刊《Information Fusion》发表的TDF-Net研究中得到成功应用，证明了其在支撑创新算法开发和性能验证方面的可靠性。该数据集对于推动乳腺癌早期筛查自动化、提升诊断准确率、减轻医生工作负担、降低误诊漏诊率具有重要的临床应用价值，特别是在医疗资源有限的地区和基层医疗机构，基于US3M开发的智能诊断系统能够有效弥补专业医师不足的问题。

数据集来源

本数据集由哈尔滨医科大学第二附属医院采集，包含来自248名乳腺肿瘤患者的1,532张临床真实超声影像，涵盖B型超声、彩色多普勒血流成像和弹性成像等多种超声模态，所有图像均经过专业超声医师采集和专业病理医师基于手术或穿刺活检的病理诊断进行标注，通过BD3M.xlsx标注文件明确标识每个样本的肿瘤类别（0代表良性肿瘤，1代表恶性肿瘤），该数据集的核心特色在于支持不完整多模态超声数据研究，模拟临床实践中部分患者缺少特定超声模态图像的真实场景，已成功应用于发表在《Information Fusion》期刊的TDF-Net（可信动态特征融合网络）研究，该模型通过动态融合机制和可信度评估方法在处理不完整多模态数据时保持高精度乳腺癌诊断能力，为计算机辅助诊断系统开发、多模态医学影像融合、缺失数据鲁棒学习和乳腺癌早期筛查自动化等研究提供了宝贵的临床数据支撑。