Breast Cancer：Multi-Modal Fusion 是一个针对乳腺浸润癌（BRCA）患者构建的、已完成预处理的多模态数据集，旨在为构建多模态融合网络提供即插即用的基础，广泛应用于多模态融合建模、放射组学、生存预测及个性化治疗分析等研究场景。 该数据集严格对齐了 122 名 BRCA 患者的多源数据，所有样本均通过 TCGA Case ID 完成跨模态映射，实现了宏观医学影像（MRI）、微观数字病理学（Histopathology）、分子组学（Multi-Omics）以及临床治疗信息之间的一一对应。数据以 CSV 、病理 patch 图像及映射文件等形式组织。

数据构成

视觉模态（Vision Modality）

• MRI 扫描（mri_processed）：预处理后的乳腺 MRI 影像，用于学习肿瘤结构与影像特征
• 组织病理学切片（SVS_patches）：从 Whole Slide Images（WSIs）中提取的高分辨率病理切片 patch，可直接用于 CNN 、 ViT 等视觉模型训练
• 组织映射文件（MRI_and_SVS_Patches_index.json）：用于建立病理 patch 与患者之间的映射关系，方便构建 PyTorch 或 TensorFlow 数据加载器 多组学数据（Multi-Omics）
• 转录组学（RNA_RAW.csv）：标准化 RNA-Seq 基因表达数据
• 拷贝数变异（CNV_RAW.csv）：拷贝数变异（CNV）扩增与缺失特征
• 融合组学特征（RNA_CNV_ModelReady.csv）：包含 RNA 与 CNV 后的标准化特征文件，可直接作为神经网络输入
• 体细胞突变数据（Mutations_Dataset.csv）：按患者聚合的体细胞突变基因列表 临床与治疗数据（Clinical & Treatment Data）
• 临床治疗数据（Clinical_Treatment_Data.csv）：清洗后的临床与治疗数据文件
• 临床字段：包含人口统计学信息、生存状态（vital_status）及 TNM 病理分期等字段
• 药物编码矩阵：提供 Drug_Tamoxifen 、 Drug_Paclitaxel 等药物 one-hot 编码特征，用于治疗方案与患者预后相关性分析

Citation

The Cancer Genome Atlas Breast Invasive Carcinoma (TCGA-BRCA) Data Collection. Genomic and clinical data retrieved from the GDC Data Portal belonging to the TCGA-BRCA project