**背景** 浸润性导管癌（IDC）是所有乳腺癌中最常见的亚型。为了对整个组织样本进行侵袭性分级，病理学家通常专注于包含 IDC 的区域。因此，自动侵袭性分级的常见预处理步骤之一是划定整个组织切片中 IDC 的确切区域。 **内容** 原始数据集包含 162 张乳腺癌（BCa）标本的整个组织切片图像，扫描倍率为 40 倍。从中提取了 277,524 个大小为 50 x 50 的 patches（198,738 个 IDC 阴性，78,786 个 IDC 阳性）。每个 patch 的文件名格式为：u_xX_yY_classC.png —— 例如 10253_idx5_x1351_y1101_class0.png。其中，u 是患者 ID（10253_idx5），X 是该 patch 裁剪位置的 x 坐标，Y 是该 patch 裁剪位置的 y 坐标，C 表示类别，0 为非 IDC，1 为 IDC。

网页版乳腺癌计算机辅助诊断系统

IL-13基因microRNA靶序列单核苷酸多态性与乳腺癌发病的关系，于洪媛，李京，目的 探讨IL-13基因microRNA靶序列结合区域的单核苷酸多态性及环境因素交互作用与乳腺癌发病的关系。方法 采用病例对照研究方法，首先

短期化疗对乳腺癌组织UCH-L1表达的影响，包芸，王文娟，目的　探讨乳腺癌患者术前短期化疗对肿瘤细胞UCH-L1以及EGFR和P-gp表达的影响。方法　采用免疫组化（EnVision法）检测40例乳腺浸润性导管

可直接运行。基于pytorch vision transformer的乳腺癌图像分类 完整代码+数据 可直接运行 毕业设计

乳腺癌预测

使用方法：运行main.py文件即可，或者命令行输入"python main.py"。

(52条消息) R语言生存分析COX回归分析实战：以乳腺癌数据为例_Data+Science+Insight的博客-CSDN博客_利用r对癌症数据进行生存分析.mhtml

乳腺癌数据集二分类_乳腺癌数据集

乳腺癌数据集 Python 预测模型 乳腺癌数据集二分类预测 机器学习 深度学习 网格搜索+logistic逻辑回归+神经网络+SVM支持向量机+KNN 条形图折线图可视化 预测效果较好，拟合较为准确。 jupyter notebook numpy pandas matplotlib sklearn 数据分析 数据挖掘