中等大小的奶牛肿块病数据集，每类图像约500张。健康的牛和有块状病毒病的牛的图片。这两个不同的文件分别包含大约500张图片，可以使用数据增强进一步增强和有效的结果。使用该数据集，CNN模型可用于预测任何类型的牛(或牛)中是否存在疾病。 中等大小的奶牛肿块病数据集，每类图像约500张。健康的牛和有块状病毒病的牛的图片。这两个不同的文件分别包含大约500张图片，可以使用数据增强进一步增强和有效的结果。使用该数据集，CNN模型可用于预测任何类型的牛(或牛)中是否存在疾病。

针对乳腺钼靶图像中良恶性肿块难以诊断的问题,提出一种基于注意力机制与迁移学习的乳腺钼靶肿块分类方法,并用于医学影像中乳腺钼靶肿块的良恶性分类。首先,构建一种新的网络模型,该模型将注意力机制CBAM(Convolutional Block Attention Module)与残差网络ResNet50相结合,用于提高网络对肿块病变特征的提取能力,增强特定语义的特征表示。其次,提出一种新的迁移学习方法,用切片数据集代替传统方法中作为迁移学习源域的ImageNet,完成局部肿块切片到全局乳腺图片的领域自适应学习,可用于提升网络对细节病理特征的感知能力。实验结果表明,所提方法在局部乳腺肿块切片数据集和全局乳腺钼靶数据集上的AUC(Area Under Receiver Operating Characteristics Curve)分别达到0.8607和0.8081。结果证实本文分类方法的有效性。

乳房X光造影质量分类 客观的 该项目使用不同的机器学习算法（包括支持向量机，逻辑回归，决策树，朴素贝叶斯，人工神经网络等）将乳腺肿块分类为良性或恶性。 为每条曲线绘制ROC曲线，以识别问题的最佳分类算法。 问题 乳房X线照相术是当今可用的最有效的乳腺癌筛查方法。 然而，由于乳房X线照片解释导致的乳房活检的低阳性预测价值导致大约70％的不必要的活检具有良性结果。 为了减少不必要的乳房活检的数量，最近几年提出了几种计算机辅助诊断（CAD）系统，这些系统可以帮助医生决定对乳房X光检查中发现的可疑病变进行乳房活检或进行而是进行短期随访检查。 数据集 已使用UCI储存库中的“乳腺摄影质量”公共数据集。 （来源： : ）该数据集可用于根据BI-RADS属性和患者的年龄。 属性数量：6（1个目标字段：严重性，1个非预测性：BI-RADS，4个预测性属性） 属性信息： BI-RADS评估：1到5

:训练U-Net 深度学习模型对乳腺动态增强磁共振图像(DCE-MRI)上乳腺肿块进行 自动分割、定位和体积测量,并将结果自动导入结构化报告中,探讨其植入临床工作流程的可行性,旨在提高诊断效率和效能

行业分类-物理装置-基于随机投影的肾小肿块分类方法.zip

用于乳腺癌图像肿块分割 提取了roi区域 有.mat文件 可直接在程序上运行

本数据包是较好的学习乳腺癌肿块分割的数据包，可以用来做分割及检测用

基于matlab的乳腺肿块自适应灰度多阈值分割 有三个参数可调 lsh