乳腺癌细胞图像特征数据集-细胞核特征-诊断-未知时间

数据来源：互联网公开数据

标签：乳腺癌,细胞核,图像分析,诊断,肿瘤,医学,特征提取,机器学习

数据概述：本数据集包含从乳腺肿块细针穿刺（FNA）数字化图像中提取的细胞核特征。数据集描述了图像中细胞核的各种特性，这些特征用于辅助乳腺癌的诊断。数据集包含569个样本，每个样本有30个特征。

数据集的特征包括： 1. ID号 2. 诊断结果（M = 恶性，B = 良性） 3. 半径（细胞核周长上点到中心点的平均距离） 4. 纹理（灰度值的标准差） 5. 周长 6. 面积 7. 平滑度（半径长度的局部变化） 8. 紧凑度（周长^2 / 面积 - 1.0） 9. 凹陷度（轮廓凹陷部分的严重程度） 10. 凹点（轮廓凹陷部分的数量） 11. 对称性 12. 分形维数（“海岸线近似” - 1）

对于每个细胞核，计算了以上十个特征的均值、标准误差和“最差”（或最大，即三个最大值的均值）。例如，字段3是平均半径，字段13是半径标准误差，字段23是最差半径。所有特征值均以四位有效数字记录。

数据集中没有缺失值，类别分布如下：良性357个，恶性212个。

数据用途概述：该数据集广泛应用于乳腺癌诊断辅助、肿瘤分类、机器学习模型训练和评估等领域。研究人员可以使用该数据探索细胞核特征与乳腺癌诊断之间的关系，开发和评估用于诊断的机器学习模型。该数据集也适用于教育和培训，帮助学习者理解图像分析和机器学习在医学领域的应用。