信息速览
INFOBOX — DermVerse-500K 一屏速览
维度 内容 本质 50 万张宏观（非皮肤镜）临床皮肤图 + 每图 15 维结构化临床描述的多源再加工集 身份 NeurIPS 2026 Datasets & Evaluations Track 投稿，Paper ID 4127，作者/机构全匿名 仓库 HuggingFace BBAnonymous/NeurIPS2026-DermVerse-500K（无门禁，created 2026-05-07）来源 8 个开源数据集（Derm1M / BioMedica / Fitzpatrick17K / MM-Skin / SCIN / DermaVQA / SkinDisNet / PAD-UFES-20）+ 未具名医院数据 标注 专家标注 seed 集 → 微调 MedGemma-4B → 全量生成；HF 同时放出权重与 LoRA adapter 规模 宣称 500,000 图 / 390 类 / 9 级层级 / 15 属性 / 缺失标签 0 体量 HF 仓库 25.7 GB（≈23.9 GiB），但主体是模型权重与评测表，非 500K 图像 评测 6 个生成器 × 词法（BLEU/METEOR/ROUGE）× 语义（BERTScore/BioClinBERT/BioMedBERT/SapBERT）× LLM 评委（LLaMA/Qwen） 许可 双口径：README 说 CC BY-NC 4.0，License 文件说 CC BY-NC-SA 4.0（以更严者为准） 消歧 与库内 Derm1M（rid=783） 不是同一数据集；Derm1M 是它的上游源之一 库内互链 derm1m(783)、fitzpatrick-17k(55)、scin(181)、pad-ufes-20(151)、skincap(782)、skincon(784)
DermVerse-500K 是一个"重新打包"而不是"重新采集"的数据集。它不拍新照片，而是把皮肤病 AI 社区过去五年攒下的 8 个公开数据集——再加上一批未具名的医院真实患者影像——统一成一种格式：每张图像都配 15 个结构化的临床描述字段（病灶类型、部位、数目、颜色、边界、鉴别诊断……），再加上 Fitzpatrick 肤色类型、SNOMED CT 概念标识和一棵 9 级、390 个类别码的疾病层级树。为了避免"专家标注一条图要几分钟、五十万张标不完"的算术绝望，作者采用了一条如今越来越常见的捷径：先请委员会认证的皮肤科医师标一小批种子集，再用这批种子集微调 MedGemma-4B，把模型放到全量语料上批量生成描述。它的宣传点很直接——现有皮肤病数据集要么偏向白人肤色、要么全是皮肤镜特写、要么标签体系各说各话、要么根本没有可供视觉语言模型学习的自由文本；DermVerse 想一次把四个问题都按下去。
导语读法三则：
- 只想判断能不能用：直奔 §6 获取与许可——这里是本条目最重要的部分。HF 公开侧没有 500K 主数据，只有 250 行预览；许可是双口径冲突的 CC BY-NC 4.0 与 CC BY-NC-SA 4.0。
- 关心它和 Derm1M 什么关系：直奔 §9.1 与附录 M。一句话：Derm1M 是它的上游源，两者规模、层级、标注机制都不同，绝不能合并。
- 做数据集工程：直奔 §3 与 §8——"专家种子 + 小模型微调 + 全量生成"的标注扩张范式、四道预筛闸门、以及匿名投稿带来的文档缺陷，都是可迁移的教训。
§0 导读：这个数据集解决什么问题
皮肤病 AI 的数据困境可以拆成四句抱怨。第一句是肤色：绝大多数公开皮肤病图像的拍摄对象是浅肤色人群，模型在深肤色上掉点是反复被验证的现象，Fitzpatrick17K 这篇论文（2021）本身就是为量化这件事而生的。第二句是模态：皮肤科最有名的公开数据集——HAM10000、ISIC 系列、Derm7pt——几乎全是皮肤镜（dermoscopy）图像，需要接触式镜头与偏振光，而真实门诊里医生第一眼看到的是手机或相机拍的宏观临床照片。第三句是标签体系：同一个"湿疹"在不同数据集里可能是 12 个类别之一，也可能是 200 个类别之一，跨数据集训练前先得做本体对齐。第四句是文本：视觉语言模型需要描述，而临床数据集的传统交付物是一张 CSV，一张图一个整数标签，没有一句话。
DermVerse-500K 的四点回应正好一一对应。肤色问题交给 Fitzpatrick I–VI 显式标注；模态问题交给一道硬性的预筛闸门——剔除皮肤镜与显微镜图像，只留宏观图；标签体系问题交给 SNOMED CT 加一棵 9 级 390 类的疾病层级；文本问题交给 15 个临床描述符加一段总体描述，由微调后的 MedGemma-4B 批量生成。
这套设计的取舍也很清楚。它把"规模化文本监督"的代价转嫁给了模型本身：描述不是五十万次人类判断的产物，而是一次人类示范之后的五十万次模型推断。这在小规模验证上完全可行，但它引入的误差是系统性的而非随机性的——模型在 seed 集上没见过的罕见病、没见过的深肤色呈现、没见过的拍摄条件，会以同样的方式错，并且错得整整齐齐，让下游使用者很难用统计手段发现。
§0 读法三则：
- 本条目的事实基础是 HF 仓库本身的三份文档（README、License、croissant.json）+ API 元数据，因为论文全文在双盲评审期不可得。凡文档互斥之处，正文均双写并存照（§10 坑点与附录 C）。
- 条目中所有「500,000」都必须理解为宣称值。公开侧可复算的只有 250 行预览与约 250 张样例图，这一点在 §2.4 有完整交代。
- 检索时若把 DermVerse-500K 与 Derm1M 当成同一数据集的两个版本，会得到互相矛盾的规模数字——见 §9.1 的消歧表。
§1 数据集速览：十问十答
Q1：DermVerse-500K 到底是什么？
一个皮肤病学视觉语言数据集：约 50 万张宏观临床皮肤图，每张配 15 个结构化临床描述字段、Fitzpatrick 肤色类型、SNOMED CT 标识、排序鉴别诊断与 9 级疾病层级标签。它不是新采集，而是对 8 个公开数据集加一批医院数据的重新组织与再标注。
Q2：作者是谁？
不知道。这是 NeurIPS 2026 的一份匿名投稿（Paper ID 4127），README 明写「author identity is withheld per double-blind review policy」。唯一可见的痕迹是适配器权重 README 里残留的训练机路径（/home/aidelab/…/ICMR_PROJECT/…），它提示数据可能来自某个 ICMR 相关研究环境，但不足以指认机构，本条目不作事实引用（§3）。
Q3：论文发表了吗？
截至 2026-10-17 抓取时点，未见公开论文全文。NeurIPS 2026 的作者通知日是 2026-09-24，已过，而仓库仍保持匿名、OpenReview 上检索不到对应页面——录用、拒稿还是撤稿均不明（§2、§10）。
Q4："500,000"这个数字可信吗？
作为宣称值它写在 README 的 Dataset Statistics 表里，且声称「Missing Labels 0」。但 HF 公开侧没有任何 500K 规模的图像分片，只有 250 行预览。因此这个数字目前不可复算。这是本条目与前作 Derm1M 最本质的差别：Derm1M 的 32.6 GB 全量图像是公开可下的（gated-auto），DermVerse 的主体数据没有放出来。
Q5：15 个描述符具体是哪 15 个？
病灶类型（lesion type）、部位（site）、数目（count）、分布/排列（arrangement）、大小（size）、颜色模式（color pattern）、边界（border）、表面改变（surface changes）、渗出（exudate）、周围皮肤（surrounding skin）、继发改变（secondary changes）、形态/图案（pattern/shape）、补充说明（additional notes）、总体描述（overall description）、鉴别诊断（differential diagnosis）。
Q6：它是皮肤镜数据集吗？
相反。预筛的第二道闸门明确「discard dermoscopic and microscopic images; retain macroscopic only」。这是它区别于 HAM10000、ISIC 系列、Derm7pt 的核心模态定位，也意味着它不能直接与那些数据集做同口径对比。
Q7：390 类和 9 级层级是什么意思？
README 声称疾病分类是 390 个类别、组织在 9 层级的层级树里（Hierarchy Levels = 9）。但层级的具体层名、390 类清单、每级包含多少节点，公开文档一概未给。更有意思的是同一仓库的 License 文件在版本历史里写的是「500000+ images across 20000+ conditions」——两个数字差 51 倍（§10 坑 2）。
Q8：标注是怎么做的？
两步：先由委员会认证的皮肤科医师对一批 seed 集图像按 15 个预设属性逐项标注；再用这批 seed 集微调 MedGemma-4B；最后把微调后的模型部署到全量 50 万张图上批量生成结构化标注。HF 仓库同时放出了 LoRA adapter（Model/Adapter Weights/）和完整 MedGemma 权重（Model/MedGemma/，4 个 safetensors 分片），以及三个推理 notebook（描述生成、预筛、肤色生成）。
Q9：能直接下载使用吗？
HF 仓库无门禁（gated=false），任何人都能拉。但拉下来的是 250 行预览、样例图、模型权重与评测表，不是 50 万张图。README 没有给出全量数据的申请入口。
Q10：许可到底是什么？
两个答案同时存在。HF 的 cardData、README 正文与 croissant.json 都写 CC BY-NC 4.0；仓库根目录的 License 文件写 CC BY-NC-SA 4.0，并附加了 ShareAlike 条款（衍生数据集或模型必须以相同或兼容许可发布）。合规上应按更严的 CC BY-NC-SA 4.0 处理（§6）。
§2 数据构成与规格
2.1 规模总览与三套文档口径
DermVerse-500K 的规模信息分散在三处，三处并不完全一致，这是理解该数据集的第一道门槛。
| 口径来源 | 图像数 | 类别数 | 其他 |
|---|---|---|---|
| README「Dataset Statistics」表 | 500,000 | 390 | 9 级层级；15 属性/图；缺失标签 0；肤色 I–VI；全球覆盖 |
| License 文件「VERSION HISTORY」 | 500,000+ | 20,000+ conditions | Version 1.0；[Date] 为未填占位 |
| HF API（usedStorage） | 无图像计数承诺 | — | 25,701,228,937 B（≈23.9 GiB）；siblings 424 项 |
三套口径的差异不是小数点级别的校对问题，而是量级问题。对数"20000+ conditions"最可能的解释是：它统计的是 SNOMED CT 侧的概念词条（含同义名、亚型、部位限定组合），而非分类任务的类别数。但这个解释只是推测——文档本身没有给出任何换算说明，因此本条目把它作为双口径存照处理（§10 坑 2、附录 C），不建议任何一方单独引用。
2.2 来源构成：八个开源源加一笔不具名的医院数据
README 的 Data Sources 表列了 8 个来源；正文则写「aggregates images from 8 open-source datasets and proprietary real-patient hospital data」——即实际是 8+1，但医院数据在表中没有对应行。逐一交代：
| 序号 | README 名称 | 性质 | License 文件引用的原始许可 | 库内是否已有独立条目 |
|---|---|---|---|---|
| 1 | Derm-1M | 大规模临床图像集（100 万级图文对） | CC BY-NC 4.0（yan2025derm1m，ICCV 2025） |
有，derm1m（rid=783） |
| 2 | BioMedica | PubMed 皮肤病学图像 | PMC Open Access Subset 各论文原许可 | 无（作为文献源并入） |
| 3 | Fitzpatrick17K | 带肤色标注的皮肤病图 | CC BY-NC-SA 3.0（groh2021evaluating） |
有，fitzpatrick-17k（rid=55） |
| 4 | MM-Skin | README 称「多模态黑色素瘤皮损数据集」 | 未标；引用 zeng2025mm（ACM MM 2025，教材派生图文集） |
无 |
| 5 | SCIN | 众包真实世界皮肤状况图像 | other（自定义，ward2024creating） |
有，scin（rid=181） |
| 6 | DermVQA | 皮肤病视觉问答 | CC BY 4.0（yim2024dermavqa，MICCAI 2024） |
无 |
| 7 | SkinDisNet（README 拼作 SkinDistNet） | 南亚人群临床图像 | CC BY-NC 4.0（sultana2025skindisnet） |
无 |
| 8 | PAD-UFES-20 | 巴西手机拍摄皮损 | CC BY 4.0（pacheco2020pad） |
有，pad-ufes-20（rid=151） |
| — | （正文提及）proprietary hospital data | 真实患者数据 | 未披露 | 无 |
这张表本身就是一条有价值的信息：八个源里有四个已经是本库的独立条目，意味着 DermVerse 与库内条目存在共同上游关系，而不是替代关系（§9）。
另外，源名在 README 与 License 之间有两处拼写漂移：README 的 SkinDistNet 对应 License 的 SkinDistNet/引文 skindisnet（论文题名为 SkinDisNet）；README 的 DermVQA 对应引文 yim2024dermavqa（题名为 DermaVQA）。检索时两种写法都需试（§10 坑 4）。
2.3 四道预筛闸门
在标注之前，作者对汇入的图像做了一次四关筛选，这一步决定了 DermVerse 的模态纯度：
- 人工皮肤科检查：剔除动物照片、处方单/药盒照、活检标本照。这三类在 PubMed 文献图与论坛图中极常见，是"文献图不是病例图"的经典噪声。
- 模态过滤：丢弃皮肤镜与显微镜图像，只保留宏观图。这一道闸门把 HAM10000、ISIC 这类皮肤镜大户挡在外面，也解释了为什么上游清单里没有 ISIC。
- 图像质量检查：去除照明不良与低分辨率图像。
- 手术图过滤：排除术中与术后创面照片。
四关均是二值判定，没有公布各关的淘汰率。这一点很关键：读者无法知道从上游 8 个源合计约百万级的图像池里最终留下了多少、被谁淘汰最多。若模态过滤淘汰的是 ISIC 类皮肤镜图，则"保留宏观图"的代价是把皮肤镜社区最成熟的基准排除在训练语料之外（§8.3）。
2.4 公开侧到底放了什么
HF 仓库共 424 个文件条目，按目录归类如下：
BBAnonymous/NeurIPS2026-DermVerse-500K/
├── README.md # 数据集卡（含 Paper ID 4127）
├── License # CC BY-NC-SA 4.0 全文 + 上游 8 源署名
├── croissant.json # MLCommons Croissant 元数据
├── Open source test images/ # 约 250 张样例图（.jpg / .png）
├── Generated Descriptions/
│ ├── Gold Standard Annotated data.csv
│ ├── DermVerse-500K VLM generated test descriptions
│ ├── LLaVA-Med 7B generated test descriptions
│ ├── Lingshu-7b generated test descriptions
│ ├── Llama-90b generated test descriptions
│ ├── Med-R1 7B generated test descriptions
│ └── QWEN-72B generated test descriptions
├── Evaluation scores/
│ ├── LLM-LLAMA-scores/<model>/evaluation_results_open.xlsx
│ ├── LLM-QWEN-scores/<model>/evaluation_results_open.xlsx
│ ├── Lexical_and_semantic_scores/<model>/open/{bleu,meteor,rouge*,bert*,bioclinbert,biomedbert,sapbert,mini_lm}.xlsx
│ └── DermVerse-500K-expert_evaluation_test_data_scores.csv
└── Model/
├── MedGemma/ # 全量权重 4 分片 + 配置/分词器
├── Adapter Weights/ # LoRA adapter（safetensors + optimizer/scheduler 状态）
├── Model Parameter Report
└── Test codes/ # test_generation / test_prescreening / test_skin_tone_generation 三个 notebook
这份清单说清楚了一件事：仓库是一个"论文附件包"，不是一个可训练数据集。它把标注模型（权重）、标注结果样例（6 个模型的描述输出）、评测脚本（notebook）与评测分数（xlsx）都放了出来，唯独没有放主体 500K 图像。HF 自动生成的 default 配置只解析出 250 行、两列（image 160px 预览 + split），这 250 行来自 imagefolder 结构的预览，不是抽样自 500K 的真实子集。
对使用者的直接后果是三条：其一，无法复现"500,000 图 / 缺失标签 0"这两个统计；其二，无法评估 390 类的实际分布，因而也无法判断类别不平衡；其三，无法独立核验 MedGemma 生成描述的质量——你能看到的只是作者在测试子集上已经算好的分数。这三点构成本条目对可获取性评分偏低的主要依据（附录 B）。
2.5 15 个描述符的字段语义与临床对应
15 个描述符并非随意拼凑，它们大体沿用了皮肤科病历的形态学描述顺序（morphology-first），可分成五组：
| 分组 | 字段 | 临床价值 | 可机器校验性 |
|---|---|---|---|
| 定位 | lesion type、site | 区分原发疹与继发疹、判断部位相关诊断（如面部 vs 掌跖） | 高（部位词表可用 SNOMED 体表编码约束） |
| 分布 | count、arrangement、size | 单发/多发、线状/环状/群集、直径分级 | 中（需与图像尺度标定配合） |
| 形态 | color pattern、border、pattern/shape | 颜色均一性、边界清晰度、形态规则性——黑色素瘤 ABCD 规则的直接映射 | 中高（视觉可验证） |
| 表面 | surface changes、exudate、surrounding skin、secondary changes | 鳞屑、结痂、渗出、红晕、抓痕等 | 中（与拍摄条件强耦合） |
| 综合 | additional notes、overall description、differential diagnosis | 汇总叙述与排序鉴别诊断 | 低（主观性强，最难校验） |
值得注意的是"鉴别诊断"被列为字段之一，并且单独强调为"排序候选集"（ranked candidate sets）。这意味着 DermVerse 的标注目标不止于单标签分类，而是要把临床推理过程本身作为监督信号。这个设计意图与它宣称支持的三类任务（图像分类、视觉问答、图文生成）是自洽的：有排序鉴别诊断，才有 VQA 的候选项，才有描述生成的语义层次。
2.6 肤色标注：Fitzpatrick I–VI 的覆盖宣称
README 把"population bias toward Caucasian skin tones"列为要解决的第一个问题，对应手段是 Fitzpatrick 肤色 I–VI 标注，并声称 Skin Tone Coverage 为 I–VI 全覆蓋。但公开侧能验证的只有一件事：仓库里有 Model/Test codes/test_skin_tone_generation.ipynb，说明肤色也是由一个生成模型批量产出的，而不是人工逐图判定。
这一点在方法学上值得停下来想一想。Fitzpatrick 分型本身是主观量表，临床上不同判读者之间的一致率本就不高（在深肤色区间尤甚）；把它交给一个模型批量生成，误差来源从"人与人分歧"变成"模型与人对齐度"。作者没有在文档中报告肤色标注的信度或与专家的一致性，因此"覆盖 I–VI"只能理解为"模型输出了 I–VI 六类的取值"，不等于"每一类都有足够样本、且标得准"。
2.7 层级标签：9 级与 390 类的组合意味着什么
9 级层级对一个 390 类的体系而言偏深。作为对照，皮肤科常用的 ICD-11 皮肤疾病章节大致是 3-4 级（章节→类目→亚目→具体病名），Derm1M 的四级本体也被视为足够表达"大类→亚类→具体病→亚型"。9 级通常意味着在病名之下还继续拆分（如按部位、按病程、按病因亚型），或者作者把 SNOMED CT 的多轴关系（形态轴、部位轴、病因轴）线性化成了一条深度路径。
由于层名与节点分布未公开，这条路径实际长什么样无法核验。对使用者而言，9 级层级的好处是可以做"粗到细"的层级分类实验；风险是层级一旦来自机器映射而非专家审定，深层节点可能又细又稀疏，导致层级一致性指标（如 hierarchical F1）在深层的方差极大（§10 坑 6）。
2.8 缺失标签 0：一个需要打问号的承诺
“Missing Labels: 0"是 README 统计表里最扎眼的一行。在真实的多源汇聚数据里，零缺失是极不寻常的——上游 Fitzpatrick17K 的肤色标注本身就有未标注项，PAD-UFES-20 只有 6 类，SCIN 的元数据字段也不完整。能做到零缺失，只有一种合理解释：所有字段都由生成模型补齐了。这恰恰说明"零缺失"不等于"零噪声”——它是"零空值、可能有错值"。把缺失率当作数据质量的代理指标，会在这一条上严重误判（§10 坑 3）。
2.9 与"原始临床数据集"的本质区别
最后需要把定位说清楚。DermVerse 不是一次临床采集，它的每一张图都来自别处；它的贡献在于三件事：模态统一（只要宏观图）、结构统一（15 个字段）、本体统一（SNOMED CT + 9 级层级），外加一层规模化文本监督。这种"再加工型"数据集的价值与风险是对称的：价值在于省去了使用者做跨源对齐的巨大工程量；风险在于上游的偏差、许可证限制与标注噪声被一次性封装进一个"看起来整齐"的包，使用者反而更难察觉。
§3 标注流水线：从专家种子到五十万条描述
3.1 三步走的结构
DermVerse 的标注链路是三段式，与传统"全量人工标注"和"全量模型标注"都不同：
- 专家标种子：委员会认证的皮肤科医师对一批 seed 集图像，按 15 个预设临床属性逐项标注。"种子"的规模、抽样方式、专家人数、标注耗时、一致性指标，文档一概未给。
- 模型学种子：以 MedGemma-4B 为基座，在种子集上做监督微调。HF 仓库保留的是 LoRA adapter（
adapter_model.safetensors+adapter_config.json），说明作者走的是参数高效微调路线；同时把完整 MedGemma 权重也上传了一份，方便使用者不依赖外部下载。 - 模型标全量：用微调后的模型对 500K 全量图像生成 15 个字段的结构化描述。仓库中的
test_generation.ipynb即这一环节的推理脚本。
这条链路的经济学很清楚：专家时间被压缩到"几百到几千张"的量级，其余由 GPU 时间替代。对于需要自由文本监督的视觉语言模型训练来说，这是当下最现实的路线；它的代价全部落在了第 3 步的泛化能力上。
3.2 为什么选 MedGemma-4B
MedGemma 是 Google 的医学视觉语言模型家族，4B 参数版本在单卡上即可推理，适合对 50 万张图做批量标注。选择 4B 而不是更大的模型，是成本与吞吐的权衡：全量 50 万张图、每张生成 15 个字段的文本，即便在 4B 规模上也需要可观的算力；若换成 27B 或更大模型，标注成本会成倍上升。
这条权衡带来一个可预期的质量上限：小模型在细粒度形态描述（如"边缘呈虫蚀状"“表面有领圈状鳞屑”）上的词汇丰富度与准确性，通常弱于大模型；而 DermVerse 恰恰把这类细粒度描述作为核心卖点。仓库里同时放了 QWEN-72B、Llama（90B）、Lingshu-7B、LLaVA-Med-7B、Med-R1-7B 五个对照模型的描述输出，从命名看，作者自己也做了一次"小模型微调 vs 大模型零样本"的横向比较（§5）。
3.3 预筛与生成两个 notebook 的分工
仓库的 Model/Test codes/ 下有三个 notebook，名字直接暴露了流水线的可复现边界：
| notebook | 作用 | 可复现性 |
|---|---|---|
test_prescreening.ipynb |
四道预筛闸门的实现（含人工检查后的自动判定部分） | 中——模态与质量判定可跑，人工皮肤科检查那一步无法复现 |
test_generation.ipynb |
微调模型批量生成 15 字段描述 | 高——有 adapter 与权重，理论上可跑 |
test_skin_tone_generation.ipynb |
Fitzpatrick 肤色批量生成 | 高——同上 |
这三个 notebook 的存在，使 DermVerse 在"方法可复现性"这一项上的得分，理论上高于一般匿名数据集（有代码总比没有好）。但可复现性受制于一个前提：你得先有那 50 万张图。而公开侧没有。
3.4 标注质量的三种误差来源
把"专家种子 + 模型扩张"拆开看，误差来自三个互不相同的源头，它们需要分别评估：
- 种子误差：专家标注本身的分歧。皮肤形态学描述的主观性很高，两位专家对同一张图的"边界"字段给出不同措辞是常态。文档未报告种子集的标注一致性（如 Cohen κ、Krippendorff α），因此这一项完全未知。
- 学习误差：模型没有从种子集学到的东西。MedGemma-4B 在种子集上的拟合程度（训练损失、验证集指标）未公开，
Model Parameter Report文件可能有线索，但本条目未解析其内容。 - 外推误差：模型在种子集分布之外的图像上产生的系统性偏差。这是最危险的一类——罕见病、深肤色、非典型拍摄条件下，模型会以一致的方式出错，且错误在数据中以"高置信的结构化字段"形式出现，下游使用者没有任何信号可以识别。
三者的相对贡献，作者没有做误差分解。这意味着即便评测分数很好看（§5），也不能反推标注本身的可信度：那六组分数衡量的是"生成描述与 gold standard 的接近程度"，而 gold standard 本身是种子集的一个子集，衡量的是种子集覆盖面内的表现。
3.5 与全人工标注数据集的成本对照
为了把这条流水线的定位说清楚，可以做一个粗略的量级对照（不使用任何未公开的具体数字，只做结构比较）：
| 模式 | 人工量 | 文本监督覆盖 | 典型代表 |
|---|---|---|---|
| 全人工细粒度标注 | 每图数分钟，标注量与图量同阶 | 全覆盖但规模受限于人力 | SkinCon（密集概念标注，数千图级） |
| 人工种子 + 模型扩张 | 种子集人力 + 全量算力 | 全覆盖且规模可达百万级 | DermVerse-500K、Derm1M（LLM 辅助文本增强） |
| 源文本直接复用 | 零（借用原始 caption） | 依赖源文本质量 | 部分 PubMed/教材派生数据集 |
DermVerse 落在第二档，与 Derm1M 属同一范式家族，差别在于 Derm1M 的知识增强是"用 LLM 把已有描述改写成规范化文本"，而 DermVerse 是"用微调 VLM 从图像直接生成结构化字段"。前者以文本为输入，后者以图像为输入——这决定了 DermVerse 的标注与图像内容强绑定，也决定了它的误差会直接反映视觉识别的失败。
§4 标签体系：SNOMED CT、Fitzpatrick 与 9 级层级
4.1 为什么挂 SNOMED CT
SNOMED CT 是国际上最广泛使用的临床术语系统，其皮肤科模块覆盖数千个概念，并支持多轴（形态、部位、病因、病程）组合表达。把标签挂到 SNOMED CT 上，最直接的好处是跨数据集可对齐：不同来源的"atopic dermatitis"“eczema”"特应性皮炎"可以收敛到同一个概念标识。这正是 DermVerse 宣称解决的"inconsistent labeling conventions"问题。
第二个好处是可与电子病历对接：如果下游要在真实临床系统里做推理，SNOMED CT 是少数被广泛部署的编码体系之一。相较之下，Derm1M 用的是自建的四级本体，内部一致性好但对外部系统的映射需要额外工作。
第三个好处是层级树天然存在：SNOMED CT 的 IS-A 关系可以直接支撑 9 级层级标签的构建。这也解释了 390 类与 20000+ conditions 两个数字的张力——SNOMED 的概念总数远大于分类任务实际使用的类数，作者很可能在 20,000+ 概念中选了 390 个作为分类目标（但这一推断未获文档证实）。
4.2 肤色标注的传统与风险
Fitzpatrick 分型最初是为评估紫外线敏感性与晒伤风险而设计的六型量表，后来被皮肤病 AI 公平性研究广泛借用为肤色代理变量。它的已知局限包括：分型判定主观、对中间型（III–IV）区分困难、忽略了同一人不同部位的肤色差异、以及在非白人群中的效度争议。
DermVerse 用模型生成肤色标签（test_skin_tone_generation.ipynb），等于把上述局限与现代视觉模型的偏差叠在了一起。一个具体的风险是：如果生成模型在训练数据（大概率以浅肤色为主）上存在系统性偏移，它可能倾向于把中间色调判为更浅的类型，从而在数据层面"抹平"肤色多样性，让后续的公平性评测得出过于乐观的结论。作者未报告肤色分布，这一风险无法证伪（§10 坑 5）。
4.3 9 级层级的使用建议
在没有层名公布的情况下，使用者若要使用层级标签，建议采取三条保守策略：
- 只用前 2-3 级做层级分类，深层节点当作辅助信息。深层节点稀疏是大概率事件，直接做深层 F1 会得到高方差、不可比的数字。
- 先统计每级节点数与每节点样本数（这需要全量数据，公开侧做不到），据此决定截断深度。
- 把层级当作正则而非真值：在损失函数里用层级做软约束（父子节点概率单调性），比把它当硬标签更稳。
4.4 三层标签之间的耦合关系
SNOMED CT 概念、9 级层级路径、15 个描述符三者并非独立：描述符里的"病灶类型"与"形态"实际上就是 SNOMED 形态轴的展开，而层级路径则是诊断轴的展开。理想情况下三者应互相一致（例如描述符写"边界不规则、颜色不均"，层级路径应落到黑色素瘤相关分支）。但三者若由同一个模型在同一次生成中产出，就不会互相纠错——模型一旦判断错误，错误会在三个字段上同步出现，形成内部自洽的错误记录。这是"单模型多字段生成"的结构性弱点，也是评估时不能只看单字段指标的原因（§5.4）。
§5 评测体系：六个生成器、三族指标与两套 LLM 评委
5.1 评测设计的骨架
DermVerse 的评测不是「在标准基准上刷 SOTA」，而是「证明我生成的描述有多接近专家写的描述」。因此它的评测对象是生成器而非分类器，评测材料是仓库 Generated Descriptions/ 与 Evaluation scores/ 两个目录。
对照的生成器共六个，覆盖两种范式：
| 生成器 | 参数量级 | 范式 | 是否领域微调 |
|---|---|---|---|
| DermVerse-500K VLM（finetuned MedGemma） | 4B | 小模型 + LoRA 微调 | 是（本次提出的方法） |
| MedGemma（原生） | 4B | 通用医学 VLM 零样本 | 否 |
| Lingshu-7B | 7B | 医学 VLM | 否 |
| LLaVA-Med 7B | 7B | 生物医学 VLM | 否 |
| Med-R1 7B | 7B | 医学推理模型 | 否 |
| QWEN-72B | 72B | 通用大模型 | 否 |
| Llama（目录名 Llama-90b） | 90B | 通用大模型 | 否 |
这组对照的实验意图很明确：回答「4B 微调能不能打过 72B/90B 零样本」。如果能，说明领域监督信号的边际收益远大于参数量；如果不能，则说明标注质量或微调数据量不足。可惜的是，本条目在抓取窗口内未解析 xlsx 内容，因此无法给出方向性结论（§10 遗留疑点 3）。这一点必须明说，不能靠猜测补全。
5.2 词法与语义指标的分工
评测分数按三族组织，族名本身就说明了测量对象：
词法族（Lexical）——bleu_1 到 bleu_4、meteor、rouge1、rouge2、rougeL。这一族衡量生成文本与参考文本的 n-gram 重叠。它们的共同弱点是只认"字面像不像"：把"边缘不规则"写成"边界不清"在 BLEU 上接近零分，尽管临床语义几乎相同。对结构化字段（如"部位：前臂屈侧"）这类短文本，BLEU 还算够用；对"总体描述"这类长文本，BLEU 会系统性地低估语义正确的改述。
语义族（Semantic）——bert、bioclinbert、biomedbert 各含 p/r/f 三项（precision/recall/F1），加上 sapbert 与 all_mini_lm。这一族用编码器相似度替代字面重叠，能捕捉同义改述。三者选型很有讲究：BERTScore 用通用 BERT，偏向通用语义；BioClinBERT 与 BioMedBERT 分别是临床与生物医学领域编码器，对术语更敏感；SapBERT 专门为生物医学实体对齐训练，适合衡量"概念是否说对"；all-MiniLM 是轻量句向量，作为对照基线。用五种编码器并行评估，实际上是在用"模型多样性"对冲单一编码器的偏好。
LLM 评委族（LLM-as-judge）——LLM-LLAMA-scores 与 LLM-QWEN-scores 两套，各自对六个生成器输出一份 evaluation_results_open.xlsx。用两个不同家族的模型当评委，是为了缓解"评委偏好自己家族文风"的已知偏差。这是当前文本生成评测的通行做法，但仍有共同局限：两个评委都没有皮肤科专业训练，它们判断"这段描述好不好"依据的是语言流畅度与常识合理性，而不是与真实皮损的符合度。
5.3 一个容易被忽略的对照：专家评分表
除三族自动指标外，仓库根下还有 Evaluation scores/DermVerse-500K-expert_evaluation_test_data_scores.csv——从命名看，这是专家对测试集的人工评分。它的存在使 DermVerse 的评测具备了自动指标之外的锚点：可以检查自动指标与专家判断的相关性。
但这份表本条目同样未解析。因此对读者最实用的建议是：若要引用 DermVerse 的评测结论，先打开这份 CSV，看专家评分与自动指标是否同向。若二者背离（例如 BLEU 高但专家评分低），说明生成文本在"像"与"对"之间存在缝隙，这正是 VLM 标注最典型的失效模式。
5.4 评测不能证明什么
这是本节最重要的一段。DermVerse 的评测回答的是「生成描述是否接近参考描述」，它不能回答以下四个问题：
- 描述与图像是否真的对应。评测的参考文本来自 seed 集，若生成器学到了"某种病通常怎么写"，它可以在没有看清图像的情况下写出高分文本。要排除这一点，需要做"图文错配测试"（把 A 图的描述配给 B 图，看评委能否识破），文档未提及此类实验。
- 标注在长尾病种上的表现。评测集若以常见病为主，罕见病的生成质量完全被平均掉。
- 标注在深肤色上的表现。肤色分层评测（stratified evaluation）文档未提及。
- 标注对下游任务的实际增益。真正有说服力的证据是"用 DermVerse 预训练后，在某公开基准上零样本性能提升多少"。这一项缺失——对照 Derm1M 用 HAM10000/PAD-UFES-20/Fitzpatrick17K/Daffodil 四个基准做零样本与少样本评测，DermVerse 的评测体系明显更侧重"文本像不像"，而非"模型强不强"。
第四点的缺失，是本条目对该数据集"任务价值"评分持保留意见的核心理由（附录 B）。一个视觉语言数据集如果不能证明它训练出的模型在下游任务上更好，"描述写得好"本身的价值就限于数据工程示范，而非可直接使用的训练资源。
5.5 评测表的结构与复算路径
虽然未解析数值，但文件结构本身就是可复用的信息。若读者要自行复算，路径如下：
Evaluation scores/
├── LLM-LLAMA-scores/
│ ├── finetuned_med_gemma/evaluation_results_open.xlsx
│ ├── lingshu/ … llama/ … llava/ … med_r1/ … qwen/
├── LLM-QWEN-scores/
│ └── （同上六个子目录）
├── Lexical_and_semantic_scores/
│ └── <model>/open/bleu_1.xlsx … sapbert.xlsx（约 19 个指标文件）
└── DermVerse-500K-expert_evaluation_test_data_scores.csv
每个生成器 × 每族指标 × 每个子集（此处子集名为 open）各一份表，说明作者可能还准备了非公开子集。“open”这个子集命名暗示存在对应的闭集（closed），而闭集未放出——这在数据集评审中常见（保留一部分防过拟合），但它也意味着公开分数只反映了一半的评测。
§6 获取与许可：无门禁的仓库、拿不到的主体数据
6.1 三个入口的实际状态
| 资产 | 入口 | 状态 | 实测细节 |
|---|---|---|---|
| 数据集卡与文档 | HF 仓库 README/License/croissant | 完全公开 | 无门禁（gated=false） |
| 预览数据（250 行） | HF datasets default 配置 | 公开可加载 | 仅 image（160px）+ split 两列 |
| 样例图（约 250 张） | Open source test images/ |
公开可下 | 文件名含 PMC 编号或数字 ID |
| 标注模型 | Model/MedGemma/ + Model/Adapter Weights/ |
公开可下 | safetensors 4 分片 + LoRA |
| 评测代码 | Model/Test codes/ 三个 notebook |
公开可下 | 生成/预筛/肤色三支 |
| 评测结果 | Evaluation scores/ |
公开可下 | xlsx，未解析 |
| 500K 主体数据 | 无 | 不可得 | README 未给申请通道 |
这张表的核心信息是最后一行：DermVerse 的主体数据既没有公开直链，也没有申请表单或邮箱。对于一个宣称「供 VLM 训练」的数据集，这等于把最需要的那部分留在了论文评审内部。
6.2 无门禁不等于无许可约束
HF 的 gated=false 只说明下载不需要登录或审批，不说明可以随便用。DermVerse 的许可约束有两层，且两层内部各自还打架。
第一层：本数据集许可。 README 与 cardData 写 CC BY-NC 4.0，License 文件写 CC BY-NC-SA 4.0。两者差在 ShareAlike：
- CC BY-NC 4.0：署名 + 非商业，衍生作品可换许可。
- CC BY-NC-SA 4.0：署名 + 非商业 + 相同方式共享，衍生数据集或模型必须以相同或兼容许可发布。
合规上的处理只有一种稳妥做法：按更严的 CC BY-NC-SA 4.0 执行。这意味着用 DermVerse 微调出的模型，若对外发布权重，也需要以 CC BY-NC-SA 4.0 发布。许多团队在「微调后模型能不能商用/换许可」这个问题上栽跟头，这里必须提前问清楚。
第二层：上游许可。 License 文件明确要求「honor the individual licenses and attribution requirements of those source datasets」。八个源里，SCIN 是自定义许可（other）、Fitzpatrick17K 是 CC BY-NC-SA 3.0、PAD-UFES-20 与 DermaVQA 是 CC BY 4.0、Derm1M 与 SkinDisNet 是 CC BY-NC 4.0、BioMedica 是各论文原许可。若你要从 DermVerse 里切出某个源的子集再分发，必须回到该源遵守其原始条款——而 DermVerse 没有提供逐图来源字段，意味着你无法判断某张图来自哪个源（§10 坑 4）。
6.3 商用授权在评审期内不可达
License 文件写明「Commercial use requires separate permission from the dataset authors」。但作者匿名——README 没有通讯作者邮箱，croissant 的 creator 字段是 {"@type":"Person","name":"Anonymous"}。匿名期内要「向作者单独申请」在操作上无从下手，只能通过 HF 讨论区留言或等评审结束。这是匿名投稿数据集普遍存在的一个结构性缺陷：它把许可条件写得很正式，却把执行许可的通道关上了（§10 坑 7）。
6.4 与 Derm1M 的可获取性对照
把两个数据集放在一起看，差别一目了然：
| 维度 | DermVerse-500K | Derm1M（rid=783） |
|---|---|---|
| 主体数据公开 | 否（仅 250 行预览） | 是（约 32.6 GB 分卷 zip） |
| 下载门槛 | 无门禁，但拿不到主体 | gated=auto（登录并接受条款） |
| 许可 | CC BY-NC-SA 4.0 / CC BY-NC 4.0 双口径 | CC BY-NC 4.0 |
| 作者身份 | 匿名 | 具名（Monash 团队，通讯作者可联系） |
| 商用申请通道 | 不可达 | 明确（向作者申请） |
| 衍生模型 | 放出 LoRA 与基座权重 | 放出 DermLIP 两个权重 |
结论：DermVerse 目前的可获取性显著低于 Derm1M。这不是规模问题，而是发布策略问题。若评审通过并放全量，它的可获取性会跳升；若维持现状，它更适合作为「方法示范 + 标注模型」参考，而非训练数据源。
6.5 数据集卡的完整度检查
按 Datasheets for Datasets 的七节（动机、构成、采集、预处理、用途、分发、维护）逐项对照，DermVerse 的缺口集中在后半段：
| 节 | 是否具备 | 说明 |
|---|---|---|
| 动机 | 部分 | README 首段给出四条动机，但没有「为谁而建」 |
| 构成 | 部分 | 给了规模与字段，未给类别分布、来源占比 |
| 采集 | 部分 | 给了来源清单，未给医院数据细节、伦理审批 |
| 预处理 | 较好 | 四道预筛写得清楚 |
| 用途 | 较好 | croissant 的 dataUseCases 与 README 一致 |
| 分发 | 差 | 宣称 500K 但只放预览；许可双口径 |
| 维护 | 差 | 无版本更新计划、无联系方式、License 日期占位 |
croissant.json 的 RAI 字段反而是全套文档里最规范的一段：rai:dataLimitations 三条（不得当作确定诊断、仅研究用途、可能存在标签噪声与源异质性）、rai:dataBiases 三条（人口/地理/疾病流行度偏差、设备与部位过度/不足代表、成像条件偏差）、rai:hasSyntheticData: false。最后一项值得单独一提：它声明「不含合成数据」，但同时承认描述由模型生成——这两者并不矛盾（图像是真实的，文本是模型写的），但容易被误读，阅读时须区分「合成图像」与「模型生成标注」（§10 坑 8）。
§7 生态与影响：一个匿名投稿在皮肤病数据集版图中的位置
7.1 它继承了哪条技术路线
把皮肤病公开数据集按三代排一排，DermVerse 的位置就清楚了：
| 代际 | 代表 | 交付物 | 主要贡献 |
|---|---|---|---|
| 第一代：分类基准 | HAM10000（2018）、ISIC 2018-2020、PAD-UFES-20（2020）、Fitzpatrick17K（2021） | 图像 + 单标签（+ 少量元数据） | 建立了任务与评测口径 |
| 第二代：多模态图文 | Derm7pt、SkinCon、DermaVQA、MM-Skin | 图像 + 概念/问答/教材文本 | 把语言引入标注体系 |
| 第三代：大规模 VLM 语料 | Derm1M（2025）、SkinCAP、DermVerse-500K（2026） | 图像 + 规模化结构化文本 | 为 VLM 预训练提供监督 |
DermVerse 属于第三代，且是第三代里最"工程化"的一个：Derm1M 靠多源挖掘与 LLM 文本改写，SkinCAP 靠人工撰写描述，DermVerse 靠微调 VLM 批量生成结构化字段。三条路线的差别可以归纳为"文本从哪来"——Derm1M 的文本源自已有教育资源，SkinCAP 的文本源自人工撰写，DermVerse 的文本源自图像本身。最后一条最接近"用模型生产训练数据"的自举范式，也最需要回答"自举的偏差如何控制"。
7.2 三类使用者能从它身上拿到什么
做数据工程的团队：可以拿走三样东西——四道预筛闸门的定义（尤其"剔除皮肤镜"这一条，在需要宏观图的场景可直接复用）、15 字段的形态学描述模板（与皮肤科病历书写顺序一致，可直接作为标注规范初稿）、以及 croissant 里那份相当规范的 RAI 元数据写法。
做 VLM 微调的团队：可以拿走 Model/Adapter Weights/ 里的 LoRA adapter，在一个 4B 医学 VLM 上继续微调；也可以用 Model/Test codes/ 的三个 notebook 搭自己的批量标注流水线。
做数据集评测与文档研究的团队：DermVerse 是一个极好的"文档缺陷标本"——许可双口径、类数双口径、宣称规模不可复算、匿名导致授权不可达、License 日期占位。它把匿名投稿数据集常见的五类问题集齐在一份仓库里（§10）。
7.3 它对皮肤镜社区的"反向选择"
DermVerse 明确剔除皮肤镜图像，这个决定值得单独讨论。皮肤镜是皮肤科影像里信噪比最高的模态，ISIC 档案（库内 isic-archive，rid=56）积累了全球最大规模的皮肤镜影像，HAM10000 与 ISIC 挑战赛系列构成了该领域最成熟的评测基准。DermVerse 把它们排除在外，理由是"真实门诊首先看宏观图"，这个理由成立；但代价是：
- 它无法与皮肤镜基准直接比较，也不能用来提升皮肤镜模型的性能。
- 它的 390 类里若包含大量只有皮肤镜才能可靠区分的色素性病变亚型，宏观图可能根本承载不了这些类间的视觉差异，导致类别标签在图像层面不可分。
- 皮肤镜社区最需要的是"宏观初筛 → 皮肤镜确认"的两阶段流程数据，而 DermVerse 只提供了第一阶段。
第三点其实是一个机会：若有人把 DermVerse 与 ISIC/HAM10000 按病种对齐，可以构造出配对的两阶段语料。但 DermVerse 未公开逐图来源与病种映射，这一想法目前无法落地（§10 坑 4）。
7.4 与库内皮肤影像生态的相对位置
本库已有的皮肤相关条目构成一张网，DermVerse 的接入点有四个方向：
- 上游供应链方向：fitzpatrick-17k(55)、scin(181)、pad-ufes-20(151)、derm1m(783) 四个库内条目同时是 DermVerse 的源。这在本库中是少见的关系——不是"竞争"，而是"同一个原料的两种加工品"。
- 标注范式方向：skincon(784) 是密集概念人工标注的极端，DermVerse 是模型扩张标注的极端，两者构成"人力 vs 算力"的对照轴。
- 模态方向：isic-archive(56)、ham10000(60)、derm7pt(110)、isic-2018/2019/2020(710/707/715) 全是皮肤镜，与 DermVerse 的宏观定位构成模态对照。
- 肤色与地域方向：fitzpatrick-17k(55) 提供肤色标注传统，dermacon-in(781) 提供南亚肤色多概念标注，SkinDisNet 作为 DermVerse 源之一同样面向南亚人群——三者在"肤色多样性"这一议题上可形成互证。
7.5 匿名投稿对生态位的影响
一个无法被引用的数据集，在学术生态里的位置是尴尬的。研究者若要使用它，引用格式怎么写？仓库没有 citeAs 字段，croissant 的 creator 是 Anonymous，README 没有 BibTeX。这意味着在评审结果公布前，任何基于 DermVerse 的工作都只能以"匿名数据集，Paper ID 4127"形式致谢，这在实际投稿中会带来双盲冲突——引用一份匿名投稿，等于暴露自己在追踪该投稿。
这种状态通常在评审结束后解除：录用则放出作者信息与正式引用，拒稿则数据集可能被撤下或改名重投。因此本条目的事实基础有明确的时效性，抓取时点为 2026-10-17，读者应以该时点为准（§10 遗留疑点 1）。
7.6 与同期中文/亚洲数据集的互补
库内近两年出现的 dermacon-in(781)、derm12345(742)、skincap(782)、derm1m(783)、skincon(784) 等条目，加上 DermVerse，共同指向一个趋势：皮肤病 AI 的关注点正从"分类准确率"转向"数据代表性"。DermVerse 的四条动机里有两条直接是代表性问题（肤色偏斜、模态偏斜），这与 dermacon-in 的南亚肤色定位、fitzpatrick-17k 的肤色分层评测，讨论的是同一件事。差别在于 DermVerse 用"标注"回应（给每张图打肤色），而 fitzpatrick-17k 用"分层评测"回应（在不同肤色组上分别报指标）。前者是数据侧手段，后者是评测侧手段，二者可以互补但不能互相替代。
§8 方法学启示：五条可迁移的经验
8.1 「专家种子 + 小模型扩张」是当前唯一可规模化的标注范式
五十万张图、十五个字段，等于七百五十万次字段级判断。没有任何团队能用专家人力完成这个量级。DermVerse 的解法——专家标几千张、微调 4B 模型、推理五十万张——是当前唯一在成本上可行的路径。这条范式可以迁移到任何"需要细粒度结构化描述但数据量巨大"的场景：内镜报告、超声描述、病理大体描述。
但迁移时必须带着它的三个前提条件：种子集必须覆盖目标分布的长尾；扩张模型的误差必须可被下游检测；扩张结果必须保留不确定性（例如让模型输出置信度或多次采样的一致性）。DermVerse 在后两条上做得不够，这是迁移时要补的课。
8.2 模态筛选是数据集设计里最被低估的决策
“剔除皮肤镜"这一句话，决定了这个数据集能与谁比较、不能与谁比较。数据集设计者往往把注意力放在规模与类别上，而模态筛选实际上定义了数据集的"适用半径”。建议在数据集卡中把模态筛选写成显式的一节，说明剔除了什么、为什么剔除、剔除了多少——DermVerse 做到了前两条，缺了第三条。
8.3 多字段联合生成会放大单点错误
15 个字段若由同一次生成产出，字段间会互相"背书"。一个把湿疹误判为银屑病的模型，会同时写出"银白色鳞屑"“边界清楚”"肘膝伸侧"等描述，让这条错误记录在内部完全自洽，仅在人工复核时才可能被发现。缓解办法有两个：字段分批生成（不共享上下文）、或用独立模型交叉校验。DermVerse 未采用任何一种，这是它在方法层面最明显的可改进点。
8.4 匿名投稿损害的是文档质量，不只是署名
常见看法是"匿名只是隐去作者"。实际上，匿名会连带隐去：通讯作者（许可申请通道）、机构（数据伦理与地理偏斜线索）、BibTeX（可引用性）、维护者（问题反馈通道）。DermVerse 的五类文档缺陷里有三类与匿名直接相关。这提示数据集评审流程在设计时，应当为"匿名数据集的上游许可与伦理信息"提供脱敏后的披露机制（例如以"某三级医院皮肤科"代替医院名），而不是一刀切全部隐去。
8.5 「零缺失」不是质量指标
“Missing Labels: 0"是模型补齐的副产品，不是质量证明。任何用生成模型填补的空值都应标记为"imputed"而非"present”，并在数据集卡中给出补全比例。DermVerse 把补全后的结果统一写成"零缺失"，会让下游误以为所有字段都有人工真值。这条经验对所有"模型辅助标注"的数据集都适用：把来源（人工/模型）作为字段级元数据保留下来，比追求零缺失有用得多。
8.6 可获取性是数据集价值的一阶变量
再好的数据，拿不到就只是论文里的一个数字。DermVerse 在 HF 上放了权重、评测表、样例图，唯独没放主体数据——这让它的实际可用性远低于名义规模。一个可操作的建议：在投稿阶段就把"数据可得性"写成一个二分问题（公开直链 / 门禁申请 / 评审后释放 / 不公开），并在卡片中明示，避免评审者与读者各自猜测。
§9 与库内条目的关系
9.1 家族图谱与消歧总表
DermVerse 与本库条目的关系分四类：上游源（4 条）、范式对照（2 条）、模态对照（5 条）、地域/肤色对照（2 条）。
| 库内条目 | rid | 关系类型 | 一句话说明 |
|---|---|---|---|
| derm1m | 783 | 上游源 + 头号消歧对象 | Derm1M 是其 8 源之一；两者不同实体，规模/层级/标注机制均不同 |
| fitzpatrick-17k | 55 | 上游源 | 提供 Fitzpatrick 标注传统与原图 |
| scin | 181 | 上游源 | 众包真实世界皮肤图像 |
| pad-ufes-20 | 151 | 上游源 | 巴西手机拍摄皮损 |
| skincap | 782 | 范式对照 | 人工撰写描述的图文数据集 |
| skincon | 784 | 范式对照 | 密集概念人工标注的极端代表 |
| isic-archive | 56 | 模态对照 | 皮肤镜档案，被 DermVerse 明确剔除 |
| isic-2018 | 710 | 模态对照 | 皮肤镜分类挑战赛 |
| isic-2019 | 707 | 模态对照 | 同上（多类） |
| isic-2020 | 715 | 模态对照 | 皮肤镜黑色素瘤分类 |
| ham10000 | 60 | 模态对照 | 皮肤镜色素病变基准 |
| derm7pt | 110 | 模态对照 | 皮肤镜七点检查法 |
| dermacon-in | 781 | 地域/肤色对照 | 南亚肤色多概念标注 |
| derm12345 | 742 | 分类口径对照 | 114 类皮肤病分类集 |
9.2 DermVerse 与 Derm1M：必须严格区分的两个实体
这是本条目最重要的一节。两者在 HF 上的名称、规模、来源关系上存在多处"看起来像同一个"的陷阱，实践中极易混淆，因此逐项列表对照：
| 对照项 | DermVerse-500K | Derm1M |
|---|---|---|
| 全称 | DermVerse-500K: A Large-Scale Expert-Annotated Dataset with VLM Assisted Clinical Feature Extraction | Derm1M: A Million-scale Vision-Language Dataset Aligned with Clinical Ontology Knowledge for Dermatology |
| 发表 | NeurIPS 2026 投稿（Paper ID 4127），匿名 | ICCV 2025 Highlight，arXiv:2503.14911，具名 |
| 团队 | 匿名 | Monash University AIM for Health Lab 等 |
| 图像-文本规模 | 宣称 500,000 图 × 15 字段 | 1,029,761 图文对 / 403,563 唯一图像 |
| 文本生产方式 | 微调 MedGemma-4B 生成结构化字段 | 多源清洗 + LLM 知识增强，产出三型文本 |
| 疾病体系 | 390 类 / 9 级层级 / SNOMED CT | 390 状况 / 4 级本体（371 种已安置）/ 130 临床概念 |
| 模态 | 仅宏观图（剔除皮肤镜） | 兼有宏观与皮肤镜 |
| 主体数据公开 | 否（仅 250 行预览） | 是（约 32.6 GB 分卷） |
| 许可 | CC BY-NC-SA 4.0 / CC BY-NC 4.0 双口径 | CC BY-NC 4.0 |
| 评测方式 | 生成描述 vs 参考描述（词法/语义/LLM 评委） | 零样本分类/概念识别/跨模态检索（DermLIP） |
| 是否同一数据集 | 否 | 否 |
两者的"390"很可能是最容易误导人的巧合：Derm1M 的 390 是"皮肤状况数"（四级本体下的叶子数量），DermVerse 的 390 是"疾病类数"（九级层级下的节点数）。数字相同，但背后的分类维度、层级深度与来源都不同。若有人据此认为"DermVerse 就是 Derm1M 加了更多标注的版本"，那是错的：DermVerse 从 8 个源（含 Derm1M）里筛出宏观图，重新用 SNOMED CT 体系映射，再重新生成文本——是一次独立的重建，不是 Derm1M 的增量版本。
在库内维护上，两条目应保持平行条目关系，互链但绝不重定向、绝不合并：derm1m（rid=783）描述百万级图文对与 DermLIP 模型族；dermverse-x-pcr（本条）描述五十万张宏观图的 15 字段结构化标注与 MedGemma 扩张流水线。检索者若从"Derm"前缀出发，务必看 slug 后缀而非前缀。
9.3 检索路径建议
- 想找宏观临床图 + 结构化描述：本条目（DermVerse）+ pad-ufes-20(151)。
- 想找百万级图文对做对比学习：derm1m(783)。
- 想找概念级细粒度标注：skincon(784)、derm7pt(110)。
- 想找肤色公平性评测：fitzpatrick-17k(55) + dermacon-in(781) + 本条目的肤色字段。
- 想找皮肤镜基准：isic-archive(56) + isic 挑战赛三条 + ham10000(60)。
§10 避坑清单：八个已踩过的坑
坑 1：把 500,000 当成可复算的事实。
README 声明 50 万图，但 HF 公开侧没有对应的图像分片，只有 250 行预览。复算不了的数字应当标注为"宣称值"。写论文引用时若连带引用"缺失标签 0"，更要注意这两个数字是同一张表里的同源宣称，不能互相验证。
坑 2：疾病类数两套口径（390 vs 20000+）。
README 统计表写 390 类，同一仓库的 License 文件版本历史写 20000+ conditions。相差 51 倍。最可能的解释是"分类类数 vs 术语系统概念数"，但文档未说明。遇到引用需求时，应写"390 个分类类别（README 口径），同仓库 License 另称 20000+ conditions"。
坑 3：把"缺失标签 0"当成标注完整。
在多源汇聚数据上做到零缺失，几乎只能靠模型补齐。零缺失 = 零空值，不等于零错值。把它当作质量信号会导致对数据质量的严重高估。
坑 4：许可证双口径（CC BY-NC 4.0 vs CC BY-NC-SA 4.0）。
README、cardData、croissant.json 三处都是 CC BY-NC 4.0；仓库根目录的 License 文件是 CC BY-NC-SA 4.0 并含 ShareAlike 与逐源署名要求。以 License 文件为准（更严）。另一个连带坑：没有逐图来源字段，要履行"逐源许可"义务就无从判断某张图属于哪个源。
坑 5：肤色与层级标签都是模型生成的。
Fitzpatrick I–VI 与 9 级层级都不是人工逐图判定：肤色由 test_skin_tone_generation.ipynb 生成，层级由 SNOMED CT 映射与生成流程产出。用它们做公平性评测或层级分类评测时，测的可能是"模型与模型的共识"，而不是"模型的临床正确性"。作者未报告肤色分布、层级节点分布与标注一致性。
坑 6：9 级层级的深层节点可能极稀疏。
没有层名与节点分布，就无法预判深层是否可比。稳妥做法是只用前 2-3 级，把深层当正则约束而非评测目标。
坑 7：想商用或想申请数据，找不到人。
作者匿名、README 无邮箱、croissant creator 为 Anonymous，而 License 要求"商用需作者单独许可"。匿名期内这条路是断的。若项目进度紧张，不要把 DermVerse 放进关键路径。
坑 8：把"无合成数据"误读为"无模型生成内容"。
croissant 声明 rai:hasSyntheticData: false，指的是图像不是合成的；但 15 个描述字段确实由模型生成。这两件事不矛盾，但很容易被读成"所有标注都是人写的"。另一处同型坑：DermVQA/DermaVQA、SkinDistNet/SkinDisNet 两组拼写漂移，检索时必须两种都试。
§11 一篇匿名投稿档的口述史：从"四句抱怨"到一份附件包
11.1 为什么这个数据集会以这样的形态出现
2021 年到 2026 年这五年，皮肤病 AI 的论文里出现了三种越来越频繁的开场白。第一种是"现有数据集以浅肤色为主"，第二种是"皮肤镜与临床照片之间存在域差"，第三种是"标签体系不统一，跨数据集无法训练"。这三句话合在一起，指向同一个结论：这个领域不缺图像，缺的是被统一组织的图像。
DermVerse 的诞生逻辑就是对这个结论的直接响应。它没有去多拍一张新照片，而是把已有的照片摆在一个新的坐标系里：横轴是 15 个临床字段，纵轴是 9 级疾病层级，坐标原点挂着 SNOMED CT 与 Fitzpatrick 两个编码。这个操作在数据工程上叫"规范化"，在学术写作上叫"数据集的重新组织"，在评审视角下则会被问一个尖锐的问题——重新组织本身算不算贡献？
这个问题没有标准答案，但它决定了 DermVerse 最终能走多远。如果作者能在论文里证明"用 DermVerse 预训练的模型，在相同参数下比用 Derm1M 预训练更好"，规范化就变成了贡献；如果只能证明"生成的描述很像专家写的"，那规范化的价值就停留在工程量层面。仓库里目前的评测材料支持后者，不支持前者（§5.4）。
11.2 从"论文附件"到"数据集仓库"的错位
一个有意思的观察是：DermVerse 的 HF 仓库结构，其实更接近一份论文附件包而不是一份数据集仓库。判据有三条：
- 主体数据缺席，附件齐全。正常的公开数据集是"数据为主、代码为辅"；这里是"模型权重、评测表、样例图为主、数据缺席"。
- 目录命名带实验语言。
Evaluation scores/LLM-LLAMA-scores/…、…/evaluation_results_open.xlsx里的open子集标签，是实验记录的语言，不是数据交付的语言。 - 有
Model Parameter Report这类文件。这是论文写作期的产物，通常不会出现在长期维护的数据集仓库里。
这种错位本身说明了作者所处阶段：数据集是为投稿服务的，而不是为社区服务的。这不是批评——绝大多数顶会数据集在首版时都是这样。但它提醒使用者：不要把它当作一个已成熟的基础设施来依赖，它更像一个"可复现材料包"，随时可能因评审结果而改变形态。
11.3 若它被录用，会发生什么
可以合理推测三种走向，每种对使用者的含义不同：
| 走向 | 触发条件 | 对使用者意味着什么 |
|---|---|---|
| 放全量 + 具名 | 录用且通过伦理/许可审查 | 可获取性跳升，成为 Derm1M 之外的另一条大规模宏观图语料；但对上游许可的逐源约束仍需遵守 |
| 仅具名不放全量 | 录用但数据受限 | 权重与流水线可用、数据不可用；可作方法参考 |
| 撤下或改名重投 | 拒稿 | 现有仓库可能消失或迁移；已下载的权重与样例图仍有价值，但引用无门 |
第三种走向下，本条目的事实基础（HF 仓库）会失效，届时需要以本条的存照（附录 C）作为历史记录。这也是为什么本条目把每一条硬数字都标了"来源 + 抓取时点"——数据集条目的价值有一部分在于它记录了某个时点的状态。
11.4 一个反直觉的结论
最后给出一个与直觉相反的判断：对绝大多数使用者来说，DermVerse 目前最有价值的产出不是那 50 万张图，而是那三个 notebook 与一份 LoRA adapter。
理由很实际。50 万张图即便放出，也需要大量清洗与对齐才能用；而三个 notebook（预筛、生成、肤色）是可以直接改巴改巴用到自己数据上的流水线模板，LoRA adapter 是在医学 VLM 上做结构化标注的一个可复用起点。这两样东西恰好是仓库里最完整、最不被许可条款束缚（代码层面的复用限制远小于数据）的部分。如果读者的目标是"在自己的 5,000 张皮肤图上做结构化标注"，那么学 DermVerse 的流水线，比等它的数据更实际。
FAQ（高频问答 30 问）
A. 基础认知
A1：DermVerse-500K 是哪一个机构做的？
匿名，不知道。NeurIPS 2026 双盲投稿，README 明说作者身份按评审政策隐去。croissant 的 creator 是 Anonymous。
A2：它和 Derm1M 是同一个数据集吗？
不是。Derm1M 是它的上游 8 源之一；两者规模、层级、标注机制、可获取性都不同（§9.2 有 11 项对照）。
A3：名字里的"500K"指什么？
指宣称的图像数量约 50 万张。注意这是宣称值，公开侧只放了 250 行预览。
A4：它是皮肤镜数据集吗？
不是，正好相反。它的预筛明确剔除皮肤镜与显微镜图像，只保留宏观临床照片。
A5：它是新采集的数据吗？
不是。8 个开源数据集加未具名的医院数据，重新组织与再标注。
A6：它有论文吗？
投稿到 NeurIPS 2026（Paper ID 4127），截至 2026-10-17 未见公开全文。
A7：这个数据集现在能用吗？
作为"方法参考 + 标注模型"可以用；作为训练数据基本不能，因为主体数据没放出。
B. 数据与规格
B1：每张图带哪些标注？
15 个临床描述字段 + Fitzpatrick 肤色 + SNOMED CT 标识 + 排序鉴别诊断 + 9 级疾病层级标签。
B2：15 个字段具体是什么？
病灶类型、部位、数目、排列、大小、颜色模式、边界、表面改变、渗出、周围皮肤、继发改变、形态、补充说明、总体描述、鉴别诊断（§2.5）。
B3：疾病类别到底有多少？
README 说 390 类；License 文件版本历史说 20000+ conditions（§10 坑 2）。
B4：9 级层级能公开看到层名吗？
不能。层名、每级节点数、类清单都未公开。
B5：肤色标注是人做的吗？
不是，由模型生成（test_skin_tone_generation.ipynb）。
B6：数据总量多大？
HF 仓库 25.7 GB（≈23.9 GiB），但其中主体是模型权重与评测表，不是图像。
B7：有训练/验证/测试划分吗？
公开侧只有一个 default 配置下的 test 划分（250 行）。评测目录里有 open 子集标签，暗示存在其他子集但未放出。
B8：图像分辨率是多少？
未披露。预览图是 160px 宽，但那是 HF 预览的缩放，不代表原始分辨率。
B9：文件名能反推来源吗？
部分能。样例图里有 filelist_noncommercial_batch_XXX-PMCxxxxxxx-...jpg 这类含 PMC 编号的名字（PubMed 源），也有纯数字 ID 与哈希名（可能来自 SCIN 或医院源）。
B10：有逐图来源字段吗？
没有。这是履行"逐源许可"义务的最大障碍（§10 坑 4）。
C. 标注与质量
C1：标注流水线是什么？
专家标种子集 → 微调 MedGemma-4B → 全量生成（§3.1）。
C2：为什么用 4B 模型而不是更大的？
成本与吞吐权衡。50 万张图 × 15 字段的生成量，用大模型成本会成倍上升。
C3：标注一致性有报告吗？
没有。种子集的专家间一致性、模型与专家的一致性都未披露。
C4：零缺失标签是真的吗？
"零缺失"是模型补齐的结果，不代表每个字段都准确（§10 坑 3）。
C5：单张图的 15 个字段会互相矛盾吗？
不会，因为它们是同一次生成产出的，会互相"背书"形成内部自洽的错误（§8.3）。
C6：长尾病种的标注质量如何？
未知。没有分层评测，也没有类别分布。
D. 评测
D1：它怎么证明自己有用？
通过"生成描述 vs 参考描述"的接近程度（词法 + 语义 + LLM 评委三族指标）。
D2：对照了哪些模型？
MedGemma（微调与原生）、Lingshu-7B、LLaVA-Med 7B、Med-R1 7B、QWEN-72B、Llama（90B）。
D3：用了哪些指标？
BLEU-1~4、METEOR、ROUGE-1/2/L、BERTScore、BioClinBERT、BioMedBERT、SapBERT、all-MiniLM，加 LLaMA 与 Qwen 两套 LLM 评委。
D4：具体分数是多少？
本条目未解析 xlsx，不提供具体数值（§10 遗留疑点 3）。建议直接看 Evaluation scores/ 与 DermVerse-500K-expert_evaluation_test_data_scores.csv。
D5：有没有下游任务证明（如零样本分类）？
没有。这是它与 Derm1M 评测体系最大的差别（§5.4）。
E. 获取与许可
E1：怎么下载？
huggingface-cli download BBAnonymous/NeurIPS2026-DermVerse-500K，无门禁。国内可用 hf-mirror.com 镜像。
E2：能拿到 50 万张图吗？
不能。仓库里没有主体数据，README 也没给申请通道。
E3：许可是哪个？
许可证双口径：README/cardData/croissant 是 CC BY-NC 4.0，License 文件是 CC BY-NC-SA 4.0。按更严者执行。
E4：能商用吗？
需要作者单独许可，但作者匿名，评审期内不可达（§6.3）。
E5：微调出的模型可以换许可发布吗？
若按 CC BY-NC-SA 4.0 处理，不可以——衍生模型也必须以相同或兼容许可发布（ShareAlike）。
E6：能只取某个源的子集再分发吗？
理论上可以，但要遵守该源的原始许可；实际上无法判断某张图属于哪个源。
F. 复现与工程
F1：能复现标注流水线吗？
能跑 notebook，但要先有 50 万张图。种子集的规模与抽样方式未公开，微调数据无法完全复现。
F2：LoRA adapter 能直接加载吗？
可以，需配套 MedGemma 基座（仓库里也放了全量权重）。
F3：三个 notebook 分别做什么？
test_prescreening 预筛、test_generation 批量生成描述、test_skin_tone_generation 批量生成肤色（§3.3）。
F4：这套流水线能迁移到别的病种吗？
能，但要补三件事：种子集长尾覆盖、误差可检测性、生成结果的不确定性输出（§8.1）。
事实清单（硬事实 32 条）
| # | 事实 | 来源 | 时点 |
|---|---|---|---|
| 1 | 官方名 DermVerse-500K，副标题为 “A Large-Scale Expert-Annotated Dataset with VLM Assisted Clinical Feature Extraction” | HF README | 2026-10-17 |
| 2 | 投稿 NeurIPS 2026 Datasets and Evaluations Track，Paper ID 4127 | HF README | 2026-10-17 |
| 3 | 作者与机构全匿名 | HF README；croissant creator=Anonymous | 2026-10-17 |
| 4 | HF 仓库路径 BBAnonymous/NeurIPS2026-DermVerse-500K |
HF API | 2026-10-17 |
| 5 | 仓库创建 2026-05-07T04:05:42Z | HF API createdAt | 2026-10-17 |
| 6 | 最后修改 2026-05-14T19:21:19Z | HF API lastModified | 2026-10-17 |
| 7 | 无门禁（gated=false） | HF API | 2026-10-17 |
| 8 | usedStorage 25,701,228,937 字节 | HF API | 2026-10-17 |
| 9 | siblings 文件条目 424 项 | HF API | 2026-10-17 |
| 10 | 宣称图像 500,000 张 | HF README 统计表 | 2026-10-17 |
| 11 | 宣称疾病类 390 个 | HF README 统计表 | 2026-10-17 |
| 12 | 宣称层级 9 级 | HF README 统计表 | 2026-10-17 |
| 13 | 每图 15 个临床描述符 | HF README | 2026-10-17 |
| 14 | 宣称缺失标签 0 | HF README 统计表 | 2026-10-17 |
| 15 | 肤色覆盖 Fitzpatrick I–VI | HF README | 2026-10-17 |
| 16 | 标注标准 SNOMED CT | HF README | 2026-10-17 |
| 17 | 8 个开源源清单（Derm1M/BioMedica/Fitzpatrick17K/MM-Skin/SCIN/DermVQA/SkinDistNet/PAD-UFES-20） | HF README | 2026-10-17 |
| 18 | 另有 proprietary real-patient hospital data | HF README 正文 | 2026-10-17 |
| 19 | 预筛四道闸门（人工检查/模态过滤/质量/手术图） | HF README | 2026-10-17 |
| 20 | 模态过滤明确剔除皮肤镜与显微镜 | HF README | 2026-10-17 |
| 21 | 专家标种子集后微调 MedGemma-4B 全量生成 | HF README | 2026-10-17 |
| 22 | cardData license 为 cc-by-nc-4.0 | HF API cardData | 2026-10-17 |
| 23 | License 文件为 CC BY-NC-SA 4.0 | 仓库 License 文件 | 2026-10-17 |
| 24 | License 文件版本历史称 20000+ conditions | 仓库 License 文件 | 2026-10-17 |
| 25 | License 文件末行 “Last updated: 07/05/2026” | 仓库 License 文件 | 2026-10-17 |
| 26 | 商用需作者单独许可 | 仓库 License 文件 | 2026-10-17 |
| 27 | 放有 LoRA adapter 与 MedGemma 全量权重（4 分片） | 仓库文件清单 | 2026-10-17 |
| 28 | 三个测试 notebook（generation/prescreening/skin_tone_generation） | 仓库文件清单 | 2026-10-17 |
| 29 | 生成描述对照 6 个模型（含 MedGemma 微调） | Generated Descriptions/ 目录 |
2026-10-17 |
| 30 | 评测含 LLaMA 与 Qwen 两套 LLM 评委 | Evaluation scores/ 目录 |
2026-10-17 |
| 31 | 公开侧无 500K 主数据分片，仅 250 行预览 | HF API siblings + default 配置 | 2026-10-17 |
| 32 | croissant 声明 rai:hasSyntheticData=false | croissant.json | 2026-10-17 |
术语表（26 条）
| 术语 | 中文 | 说明 |
|---|---|---|
| VLM | 视觉语言模型 | 同时处理图像与文本的模型，本数据集的标注生成器 |
| Clinical descriptor | 临床描述符 | 本数据集 15 个结构化字段的统称 |
| Macroscopic image | 宏观图像 | 普通相机/手机拍摄的临床照片，非皮肤镜或显微镜 |
| Dermoscopy | 皮肤镜 | 接触式放大成像，本数据集明确剔除 |
| Fitzpatrick scale | 菲茨帕特里克分型 | I–VI 型肤色量表 |
| SNOMED CT | 系统化临床医学术语集 | 国际临床术语标准，含多轴结构 |
| Hierarchical taxonomy | 层级分类体系 | 本数据集为 9 级、390 类 |
| Differential diagnosis | 鉴别诊断 | 排序候选集，本数据集重要字段之一 |
| Seed set | 种子集 | 专家标注的小批图像，用于微调 |
| MedGemma | — | Google 医学视觉语言模型家族，本例用 4B |
| LoRA | 低秩适配 | 参数高效微调方法，仓库放出 adapter |
| Adapter | 适配器 | LoRA 产生的增量权重文件 |
| Croissant | — | MLCommons 的数据集元数据规范 |
| RAI | 负责任 AI | croissant 中记录局限/偏差/用途的字段组 |
| gated | 门禁 | HF 下载需审批或接受条款的状态 |
| usedStorage | 存储占用 | HF API 返回的仓库字节数 |
| sibling | 仓库文件项 | HF API 中的文件列表条目 |
| BLEU | — | n-gram 精确率类指标 |
| METEOR | — | 考虑同义词与词序的指标 |
| ROUGE | — | 面向摘要的召回类指标 |
| BERTScore | — | 基于编码器相似度的语义指标 |
| BioClinBERT | — | 临床领域 BERT |
| BioMedBERT | — | 生物医学领域 BERT |
| SapBERT | — | 生物医学实体对齐编码器 |
| LLM-as-judge | 大模型评委 | 用大模型给生成文本打分的评测法 |
| ShareAlike | 相同方式共享 | 要求衍生作品同许可发布的条款 |
附录（一）：速查、DAIMS 与存照
附录 A：条目信息速查卡
| 项 | 值 |
|---|---|
| 条目名 | DermVerse-500K |
| slug | dermverse-x-pcr |
| 类型 | 多源汇聚型视觉语言数据集（图像 + 结构化临床描述） |
| 论文 | NeurIPS 2026 Datasets & Evaluations Track，Paper ID 4127（匿名，未见全文） |
| 团队 | 匿名（双盲评审） |
| 规模 | 宣称 500,000 图 / 390 类 / 9 级 / 15 属性 |
| 模态 | 宏观临床图（明确剔除皮肤镜与显微镜） |
| 主体标注 | 微调 MedGemma-4B 生成（专家 seed 集监督） |
| 仓库 | HuggingFace BBAnonymous/NeurIPS2026-DermVerse-500K，无门禁 |
| 仓库体量 | 25.7 GB（≈23.9 GiB） |
| 许可 | CC BY-NC-SA 4.0（License 文件）/ CC BY-NC 4.0（元数据）双口径 |
| 抓取时点 | 2026-10-17 |
| 库内互链 | derm1m(783) / fitzpatrick-17k(55) / scin(181) / pad-ufes-20(151) / skincap(782) / skincon(784) |
附录 B：DAIMS 评估全表
DAIMS 是千方条目通用的五维评估框架：D 可发现性、A 可获取性、I 可互操作、M 元数据质量、S 可持续性。逐维给分如下。
| 维度 | 评分（1-10） | 依据 |
|---|---|---|
| D 可发现性 | 7 | HF 检索词命中良好（dermverse、DermVerse-500K）；但无 arXiv/OpenReview 页面、无 GitHub、无正式 BibTeX，且名称与 Derm1M 易混，检索者需靠 slug 区分 |
| A 可获取性 | 4 | 仓库无门禁可取权重与评测表；但宣称 50 万图的主体数据未发布、无申请通道、商用授权因匿名不可达。可获取性严重低于名义规模 |
| I 可互操作 | 6 | 用 SNOMED CT 与 Fitzpatrick 两个国际标准，互操作设计意图好；但缺逐图来源字段、层级层名未公开、无显式主键，实际对齐成本不低 |
| M 元数据质量 | 5 | README 结构清楚、croissant RAI 字段规范、License 附加了上游署名；但存在许可双口径、类数双口径、License 日期占位、作者匿名、无 citeAs 五项缺陷，且「零缺失」表述有误导性 |
| S 可持续性 | 3 | 匿名投稿状态不明；若拒稿可能撤下或迁移；无维护者联系方式、无版本更新计划；依赖单一 HF 账号 |
| 综合评级 | 5.0/10（中） | 方法资产（流水线、adapter、croissant）有复用价值，文档规范度局部优秀；但主体数据缺席与许可双口径把整体拉到中位 |
补充说明：一个数据集如果在"A 可获取性"与"S 可持续性"两项都低于 5，"综合"就不宜给高——因为这两项直接决定别人能不能用、两年后还能不能找到。DermVerse 目前正好落在这个区间。
附录 C：双口径与缺陷存照（7 条）
| # | 甲口径 | 乙口径 | 出处 | 处置建议 |
|---|---|---|---|---|
| 1 | CC BY-NC 4.0 | CC BY-NC-SA 4.0 | README/cardData/croissant vs License 文件 | 按 CC BY-NC-SA 4.0 执行 |
| 2 | 390 类 | 20000+ conditions | README 统计表 vs License 版本历史 | 双写，注明来源 |
| 3 | 500,000 图 + 缺失 0 | 250 行预览 + 约 250 张样例图 | README vs HF siblings | 标为宣称值 |
| 4 | 8 个源 | 8 源 + 医院数据 | README 表格 vs README 正文 | 按 8+1 描述 |
| 5 | SkinDistNet | SkinDisNet（引文 skindisnet） | README vs License 引文 | 双拼写并列 |
| 6 | MM-Skin “黑色素瘤皮损数据集” | MM-Skin “教材派生图文数据集” | README vs License 引文 | 以引文题名为准 |
| 7 | DermVQA | DermaVQA（yim2024dermavqa） | README vs License 引文 | 双拼写并列 |
第 4 至 7 条属于文档内部一致性缺陷，不影响使用但影响检索与引用；第 1 至 3 条属于实质性冲突，直接影响合规与可复现性判断。
附录 D：获取决策树
你需要 DermVerse-500K 做什么？
│
├─ 只是想看数据结构/写综述
│ └─ 直接拉 HF 仓库（无门禁），读 README + License + croissant
│ └─ 注意：许可按 CC BY-NC-SA 4.0 理解
│
├─ 想复现它的标注流水线
│ └─ 下 Model/ 目录（MedGemma 权重 + LoRA adapter）+ Test codes 三个 notebook
│ └─ 自备图像语料；种子集需自行标注（规模未公开）
│
├─ 想用它的 50 万张图训练模型
│ └─ 目前做不到
│ ├─ 仓库无主体数据
│ ├─ README 无申请入口
│ └─ 备选：用 Derm1M(783) + 其他宏观图源自行汇聚
│
├─ 想商用或发布衍生模型
│ └─ 需作者许可 → 匿名期不可达
│ └─ 且衍生模型或需同许可（ShareAlike）
│
└─ 想做公平性/肤色相关研究
└─ 可参考其肤色字段设计与 test_skin_tone_generation 流程
└─ 但未报告肤色分布，不可直接引用其覆盖度结论
附录 E：与库内上游四个条目的关系明细
DermVerse 的 8 个源里有 4 个在本库已有独立条目，这四条构成本条目最稳固的互链网络。
| 库内条目 | rid | 在本数据集中的角色 | 互链价值 |
|---|---|---|---|
| derm1m | 783 | 8 源之一（署名 yan2025derm1m） | 最高：同属第三代 VLM 语料，读者最易混淆，消歧价值最大 |
| fitzpatrick-17k | 55 | 8 源之一（groh2021evaluating） | 高：肤色标注传统来源，DermVerse 的 I–VI 字段可追溯至此 |
| scin | 181 | 8 源之一（ward2024creating） | 中高：众包真实世界图像，与宏观图定位一致 |
| pad-ufes-20 | 151 | 8 源之一（pacheco2020pad） | 中：区域性（巴西）手机拍摄源 |
四点合起来说明一件事：DermVerse 不是这条链的起点，而是汇聚点。要理解它的来源偏差，最好的办法是分别读这四个上游条目，看各自的采集口径与许可——因为 DermVerse 的偏差很可能是这四个偏差的加权和。
附录 F：建议互链点（供主会话回填）
以下为正文建议的互链目标，rid 为写作时实测值；按纪律，正文未写入任何 rid 猜测，统一由主会话在入库后回填。
| 顺序 | 目标 slug | rid | 关系 |
|---|---|---|---|
| 1 | derm1m | 783 | 上游源 + 头号消歧对象 |
| 2 | fitzpatrick-17k | 55 | 上游源（肤色传统） |
| 3 | scin | 181 | 上游源 |
| 4 | pad-ufes-20 | 151 | 上游源 |
| 5 | skincap | 782 | 范式对照（人工描述） |
| 6 | skincon | 784 | 范式对照（概念标注） |
| 7 | isic-archive | 56 | 模态对照 |
| 8 | ham10000 | 60 | 模态对照 |
| 9 | dermacon-in | 781 | 地域/肤色对照 |
| 10 | derm12345 | 742 | 分类口径对照 |
附录（二）：预筛、流水线与指标语义
附录 G：四道预筛闸门的逐关讨论
README 把预筛写成四条一行清单，实际上每一关都对应一类具体的噪声，值得逐关展开。
第一关：人工皮肤科检查——剔除动物、处方、活检图。
这三类噪声在文献来源（BioMedica/PMC）里出现频率极高。病例报告常常配三张图：患者皮损照、病理切片照、处方或治疗记录照。模型若不区分，会把病理切片的显微结构与药盒的文字当成"皮肤特征"学进去。人工过一遍的成本不低，但对上游质量的决定性最强——这也是 DermVerse 把"人工"放在第一关的原因，它不能省。
第二关：模态过滤——剔除皮肤镜与显微镜，只留宏观图。
这一关是整个数据集定位的核心（§8.2）。值得注意的是它同时剔除了"显微镜图"，这实际上把病理切片也排除了，与第一关的"活检图"有部分重叠。执行层面的难点在于：宏观图与皮肤镜图在视觉上并非总是容易区分——某些皮肤镜图像经过裁剪后看起来就像特写照片。若这一关依赖分类器而非人工，误判率会直接影响模态纯度，而作者未报告这一关的实现方式与准确率。
第三关：图像质量——剔除照明不良与低分辨率图像。
这一关看似安全，实则暗含公平性风险。深肤色皮肤在低照度条件下的对比度本来就低，若质量判据（如"平均亮度"“对比度”“清晰度"阈值）未经肤色分层校准，被淘汰的样本会在深肤色组上系统性偏多——于是数据集在"提高质量"的同时，也在"削减肤色多样性”。这与数据集宣称解决肤色偏斜的目标是相冲突的潜在风险，值得作为使用前的必查项。
第四关：手术图过滤——排除术中与术后照片。
这一关的必要性来自下游任务：术中创面与术后瘢痕属于外科影像，与皮肤病诊断的病变形态学描述不是同一类视觉对象。若混入，15 个描述字段（尤其是"表面改变"“渗出”）会被创面特征污染。
四关合起来是一个"质量优先于数量"的漏斗。README 没有给出漏斗的每一级留存率，这使读者无法判断最终 50 万张的构成：是八个源都按比例留存，还是某几个源被淘汰殆尽。
附录 H：批量标注流水线的复现骨架
以下骨架按仓库中三个 notebook 的命名与 Model/ 目录的结构还原，仅示意调用顺序与依赖，不含任何具体超参（文档未公开）。
# 步骤 0：加载基座与适配器（权重均来自 HF 仓库 Model/ 目录）
import torch
from transformers import AutoProcessor, AutoModelForImageTextToText
from peft import PeftModel
base_path = "BBAnonymous/NeurIPS2026-DermVerse-500K/Model/MedGemma"
adapter_path = "BBAnonymous/NeurIPS2026-DermVerse-500K/Model/Adapter Weights"
processor = AutoProcessor.from_pretrained(base_path)
model = AutoModelForImageTextToText.from_pretrained(base_path, torch_dtype=torch.bfloat16)
model = PeftModel.from_pretrained(model, adapter_path)
model.eval()
# 步骤 1：预筛（对应 test_prescreening.ipynb）
# 输入：候选图像；输出：是否宏观图 / 是否合格质量
# 注意：README 称第一关为人工，此处仅能复现自动部分
# 步骤 2：批量生成 15 字段（对应 test_generation.ipynb）
FIELDS = [
"lesion type", "site", "count", "arrangement", "size",
"color pattern", "border", "surface changes", "exudate",
"surrounding skin", "secondary changes", "pattern/shape",
"additional notes", "overall description", "differential diagnosis",
]
def describe(image):
# 提示词模板不在文档中公开，需自行设计
prompt = "Describe the skin lesion in the image for each field: " + ", ".join(FIELDS)
inputs = processor(images=image, text=prompt, return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=512)
return processor.decode(out[0], skip_special_tokens=True)
# 步骤 3：肤色生成（对应 test_skin_tone_generation.ipynb）
# 输出 Fitzpatrick I–VI 之一
骨架能跑通的前提是三件事：有图像、有提示词模板、有算力。前两件里，提示词模板是文档最大的缺口——15 个字段的生成质量高度依赖模板设计（字段顺序、是否要求 JSON、是否给示例），而作者没有公开模板。这意味着即便拿到数据，复现的也不是"同一条流水线"，而是"同一个模型 + 不同的模板"。
附录 I：评测指标的计算语义对照
词法与语义两族的差别，可通过同一对文本看出。设参考描述为"边界不规则、色素不均"，生成描述为"边缘不规则、颜色深浅不一"：
| 指标族 | 计算方式 | 在这对文本上的表现 | 临床合理性 |
|---|---|---|---|
| BLEU / ROUGE | n-gram 重叠 | 低（几乎无共同字面片段） | 差——语义几乎一致却被判低分 |
| METEOR | 对齐 + 同义词 | 中（部分对齐） | 中 |
| BERTScore | 编码器相似度 | 高 | 好 |
| SapBERT | 实体级相似度 | 高（若两个表述映射到同一概念） | 最好 |
| LLM 评委 | 语言模型判定 | 高 | 好但受评委偏好影响 |
这张对照说明为什么 DermVerse 要并行使用五类编码器加两套 LLM 评委：单一指标在这种"同义改述"场景下会系统性失真。使用者在引用其评测结果时，应优先看语义族与 SapBERT 的分项，而非 BLEU。
附录 J：9 级层级与四类常见本体的深度对照
| 体系 | 层数 | 叶子规模量级 | 特点 |
|---|---|---|---|
| DermVerse-500K（宣称） | 9 | 390 类 | 深、窄；层名未公开 |
| Derm1M 本体（rid=783） | 4 | 390 状况（371 已安置） | 浅、宽；专家制定后 LLM 扩展 |
| ICD-11 皮肤疾病章节 | 3-4 | 数百 | 临床编码导向，可映射医保 |
| SNOMED CT 皮肤模块 | 多轴 | 数千概念 | 不按单一路径分层，靠属性组合 |
9 级这个深度，在皮肤病分类体系里属于"异常深"。若它确实是把 SNOMED CT 的多轴关系线性化成单一路径，那么同一疾病在不同部位会落到不同路径上，导致"层级标签"实际上混入了部位信息。这对层级分类实验是个不利因素——模型可能靠部位线索而非形态线索爬层级。这一点属于基于公开信息的合理推断，作者文档未确认，使用前应先抽查几条路径（§10 坑 6）。
附录 K：与 derm1m 条目的关系声明（消歧正式条款）
- 实体关系：DermVerse-500K 与 Derm1M 是两个独立实体。Derm1M 是 DermVerse 的 8 个上游数据源之一（License 文件 Citation 第 8 条
yan2025derm1m，ICCV 2025）。 - 不可合并：两者规模（500K 宣称 vs 1,029,761 对）、层级（9 级 vs 4 级）、文本生产机制（VLM 生成结构化字段 vs 多源清洗 + LLM 改写）、可获取性（未发布 vs gated-auto 全量）均不同，不得以别名、版本或合并视图的方式归并。
- 互链方式：双向互链，不重定向。
derm1m（rid=783）条目描述百万级图文对与 DermLIP 模型族；dermverse-x-pcr（本条）描述五十万张宏观图的 15 字段结构化标注与 MedGemma 扩张流水线。 - 共同点与易混点：两者都宣称 390 个类别——这是巧合而非血缘：Derm1M 的 390 是四级本体下的"皮肤状况数"，DermVerse 的 390 是九级层级下的"疾病类数"。数字相同，分类维度不同。
- 引用建议：引用 DermVerse 时须注明"NeurIPS 2026 投稿，Paper ID 4127，匿名，2026-10-17 抓取"；引用 Derm1M 时用 ICCV 2025 正式版。两者不可互换引用。
本声明仅为正文说明，不进入 frontmatter 的 relatedLink 字段（relatedLink 仅允许纯 URL，消歧文字一律写正文）。
附录 L：条目维护触发点
| 触发事件 | 应更新内容 |
|---|---|
| NeurIPS 2026 评审结果公布 | §1 Q3、§2 时间线、§7.5、§11.3；若有正式论文，补 arXiv/OpenReview 链接与 BibTeX |
| 作者具名、机构公开 | §3 全节重写；补齐机构与数据伦理信息 |
| 主体数据发布（含申请通道） | §2.4、§6.1、附录 B 的 A 维评分上调；重算可获取性 |
| 许可口径统一 | 附录 C 第 1 条；frontmatter license 字段 |
| 类数口径澄清（390 vs 20000+） | 附录 C 第 2 条；§2.1 三套文档口径表 |
| 评测数值可解析 | §5 全节补数值；FAQ D4 更新 |
| 仓库撤下或迁移 | §11.3 走向三；保留本条目作为历史存照 |
维护原则：本条目的事实基础是单一 HF 仓库，仓库变动即触发全量复核。抓取时点固定为 2026-10-17，所有硬数字以此为基准。
附录 M：给不同读者的三条阅读路径
路径一·数据集使用者（15 分钟）：§1 十问十答 → §6.1 三个入口状态 → 附录 D 决策树。核心结论：主体数据拿不到，别把它放进关键路径。
路径二·方法研究者（45 分钟）：§3 标注流水线 → §5 评测体系 → §8 五条方法学启示 → 附录 G/H。核心结论：种子+扩张范式可借鉴，但必须补长尾覆盖、误差可检测、不确定性输出三件事。
路径三·数据治理者（30 分钟）：§4 标签体系 → §6.2-6.5 许可与文档完整度 → §10 八个坑 → 附录 C 双口径存照。核心结论：这是匿名投稿数据集文档缺陷的标本，七条缺陷里有四条与匿名直接相关。
附录 N：证据链自证表
| 关键陈述 | 证据来源 | 具体位置 | 抓取时点 |
|---|---|---|---|
| 500,000 图 / 390 类 / 9 级 / 15 属性 / 缺失 0 | HF README | 「Dataset Statistics」表 | 2026-10-17 |
| 8 个开源源清单 | HF README | 「Data Sources」表 | 2026-10-17 |
| 医院数据存在 | HF README | 「Dataset Construction」正文首句 | 2026-10-17 |
| 四道预筛闸门 | HF README | 「Prescreening Pipeline」 | 2026-10-17 |
| 专家 seed + MedGemma-4B 微调 | HF README | 「Annotation」段 | 2026-10-17 |
| Paper ID 4127 / NeurIPS 2026 | HF README | 文首 「Paper」标注 | 2026-10-17 |
| 匿名原因 | HF README | 「Ethical Considerations」第三条 | 2026-10-17 |
| 20000+ conditions | 仓库 License | 「VERSION HISTORY」 | 2026-10-17 |
| CC BY-NC-SA 4.0 | 仓库 License | 文首「License」行 | 2026-10-17 |
| 上游 8 源许可与引文 | 仓库 License | 「SOURCE DATA ATTRIBUTION」 | 2026-10-17 |
| 商用需单独许可 | 仓库 License | 「DOWNSTREAM USER RESPONSIBILITIES」第 3 条 | 2026-10-17 |
| 仓库 25.7 GB / 424 文件 / 无门禁 | HF API | usedStorage、siblings、gated |
2026-10-17 |
| 创建与修改时间 | HF API | createdAt / lastModified |
2026-10-17 |
| 250 行预览、两列 | HF parser | default 配置 schema |
2026-10-17 |
| 六个生成器与三族指标 | 仓库目录 | Generated Descriptions/、Evaluation scores/ |
2026-10-17 |
| RAI 三组字段 | croissant.json | rai:dataLimitations / dataBiases / hasSyntheticData |
2026-10-17 |
| 训练机路径残留 | Model/Adapter Weights/README.md |
frontmatter base_model 行 |
2026-10-17 |
附录 O：三句话总结与 30 秒决策卡
三句话总结：
- DermVerse-500K 是把 8 个公开皮肤病数据集加少量医院数据重新组织成"宏观图 + 15 维结构化描述"的第三代视觉语言数据集，标注靠"专家种子 + MedGemma-4B 扩张"完成。
- 它的设计意图（肤色、模态、体系、文本四统一）清晰，方法资产（流水线、LoRA、croissant RAI）可复用，但主体 50 万张图没有公开，许可是双口径冲突的 CC BY-NC-SA 4.0。
- 它与库内 Derm1M（rid=783）是"上游源与下游再加工"的关系，不是同一数据集的两个版本，必须严格消歧。
30 秒决策卡：
| 你的需求 | 结论 |
|---|---|
| 找训练数据 | 不能用（主体数据未发布） |
| 找标注流水线模板 | 可用（notebook + adapter） |
| 找临床描述字段设计参考 | 可用（15 字段模板，§2.5） |
| 找肤色公平性数据 | 谨慎（肤色是模型生成，分布未报告） |
| 商用 | 不可（匿名，授权不可达；且 ShareAlike） |
| 引用于论文 | 谨慎（无可引用 BibTeX；匿名期引用有双盲风险） |
附录（三）：维护、路径与证据链
附录 P：15 个描述符的可用性分级与下游映射
同样 15 个字段，对下游任务的价值并不相同。按"可从图像直接判读"“需要元数据配合”"主要靠模型推断"三档分级：
| 档位 | 字段 | 判断依据 | 典型下游用法 |
|---|---|---|---|
| 可直接判读 | lesion type、color pattern、border、pattern/shape、surface changes | 形态学特征在图像上可见，专家读图即可判 | 形态分类、描述生成、可解释性可视化 |
| 需元数据配合 | site、size、count | 部位需要解剖知识，大小需要尺度参照，数目在大面积皮损上需扫查 | 部位条件分类、病灶计数 |
| 主要靠推断 | arrangement、exudate、surrounding skin、secondary changes、additional notes、overall description | 依赖完整视野与临床语境 | 图文检索、报告生成 |
| 主观性最强 | differential diagnosis | 排序候选集本质是临床推理，不同专家给出的排序差异很大 | VQA 候选集、鉴别诊断排序任务 |
这张分级表有三个用途。第一，做质量抽检时按档位分层抽样，不要只看总体准确率——“可直接判读"档的准确率高，很容易把"主观性最强"档的失败掩盖掉。第二，做下游任务选型时优先用高可判读档的字段，能避开模型生成噪声最重的部分。第三，做误差分析时按档位归因，能更快定位是"视觉识别失败"还是"临床推理失败”。
值得注意的是 differential diagnosis 被明确写成"ranked candidate sets"。排序这件事在评估上比单标签难得多：若生成器给出 3 个候选，正确的诊断排第 1 还是第 3，临床意义差别很大。而"生成描述 vs 参考描述"的评测方式（§5.1）对排序结构几乎不敏感——BERTScore 不会因为顺序变了而大幅变化。这意味着该字段的评测实际上是不充分的。
附录 Q：常用对照参数速查
使用或引用 DermVerse 时最容易被追问的对照参数：
| 参数 | DermVerse-500K | 常见对照值 | 说明 |
|---|---|---|---|
| 图像模态 | 宏观临床照 | 皮肤镜（HAM10000/ISIC） | 两者不可直接比较 |
| 标注字段数 | 15 | SkinCon 48 概念 / Derm1M 130 概念 | DermVerse 字段少但结构化程度高 |
| 类别层级 | 9 级 | Derm1M 4 级 / ICD-11 约 3-4 级 | DermVerse 最深 |
| 类别数 | 390（另称 20000+） | Derm1M 390 / HAM10000 7 / PAD-UFES-20 6 | 与 Derm1M 数字巧合 |
| 标注生产 | VLM 生成 | 人工（SkinCon）/ 文本挖掘（Derm1M） | 误差性质不同 |
| 主体数据可得 | 否 | Derm1M 是 / HAM10000 是 | 最关键差异 |
| 许可 | CC BY-NC-SA 4.0 | 多为 CC BY-NC 4.0 或 CC BY 4.0 | ShareAlike 是额外约束 |
附录 R：与其他"再加工型"数据集的横向对照
DermVerse 不是唯一一个"聚合已有数据再加工"的皮肤病数据集。把库内几条同类放一起，可以看出再加工型数据集的三种典型策略：
| 策略 | 代表 | 做法 | 风险 |
|---|---|---|---|
| 聚合 + 统一本体 | DermVerse-500K | 多源汇入，映射到 SNOMED CT + 9 级层级 | 上游偏差被封装；逐源许可难履行 |
| 聚合 + 文本增强 | Derm1M（rid=783） | 多源挖掘，LLM 改写为三型文本 | 源噪声；文本与图像语义错配 |
| 聚合 + 人工描述 | SkinCAP（rid=782） | 人工撰写图文描述 | 规模受限（约 4,000 对） |
| 聚合 + 密集概念 | SkinCon（rid=784） | 专家逐图 48 概念二值标注 | 规模小、类别少 |
三种策略的分野本质上是"用谁来做标注"：人力（SkinCAP/SkinCon）、文本（Derm1M）、还是模型（DermVerse）。人力路线质量最好但规模受限；文本路线规模大但受源质量约束；模型路线规模与结构化程度都高，但误差是系统性的。
对研究者而言，最有价值的一步往往不是选其中一条，而是把两条叠起来：例如用 Derm1M 的大规模图文对做对比学习预训练，再用 DermVerse 的 15 字段做结构化描述微调，最后用 SkinCon 的概念标注做细粒度评测。三条路线互补而非互斥——前提是 DermVerse 的数据最终能拿到。
附录 S：术语补充说明（易混词对照）
| 易混词对 | 区别 |
|---|---|
| DermVerse-500K vs Derm1M | 两个不同数据集；后者是前者上游源之一（附录 K） |
| DermaVQA vs DermVQA | 同一数据集（Yim et al., MICCAI 2024）的两种写法，README 与 License 各用一种 |
| SkinDisNet vs SkinDistNet | 同上，规范名以论文题名 SkinDisNet 为准 |
| MM-Skin vs SkinCAP | 两者都是教材/图文派生思路，但 MM-Skin 是 DermVerse 的源，SkinCAP 是 Derm1M 的前作竞品与评测集 |
| 宏观图 vs 皮肤镜 | 前者是普通相机拍摄，后者需接触式放大与偏振光，DermVerse 只用前者 |
| 零缺失 vs 零噪声 | 前者是"没有空值"（可能被模型补齐），后者是"没有错误"，两者无关 |
| 合成数据 vs 模型生成标注 | croissant 声明无合成数据指图像；描述文本确实是模型生成的，两者不矛盾 |
一段补充：DermaVQA 与 DermVQA 的混淆在实际使用中会造成真实损失——若按 README 的 DermVQA 去检索 HF/GitHub，命中的是另一个同名项目；按 DermaVQA 检索才能找到 Yim 等人的 MICCAI 2024 论文。同理，SkinDistNet 在文献里几乎搜不到，SkinDisNet 才有 sultana2025skindisnet 的 Data in Brief 原文。这两处拼写漂移是 DermVerse 文档里最容易绊倒人的细节，检索时务必两种都试。
附录 T：条目边界声明
- 本条目只描述 DermVerse-500K 这一个数据集，不承担对 Derm1M、SkinCAP、SkinCon、ISIC 等库内其他条目的介绍职责，相关条目的完整信息请查阅其独立条目。
- 本条目的事实基础是 2026-10-17 抓取的 HF 仓库三份文档与 API 元数据。论文全文、评测数值、500K 主体数据均不在可核范围内，凡涉及之处均已标注"未取得"或"宣称值"，不作推断性补全。
- 本条目不含任何对作者身份的推测结论。§3 提到的训练机路径残留仅作为环境线索记录，明确标注为不作事实引用。
- 本条目对 DAIMS 的评分反映的是抓取时点的状态。若后续主体数据发布、许可口径统一，评分应随附录 L 的维护触发点上调。
- 本条目正文与 frontmatter 中的所有 interlink 建议均由主会话在入库后回填 rid，写作阶段未写入任何猜测的 rid。
附录（四）：字段分级、横向对照与条目边界
附录 U：与四条上游库内条目的逐条对照
对 derm1m（rid=783）：Derm1M 的 403,563 张图里既有皮肤镜也有宏观图，DermVerse 从中只取宏观部分；Derm1M 的 390 状况来自四级本体的叶子，DermVerse 的 390 类来自九级层级的节点；Derm1M 的文本是"从已有教育资源里改写"，DermVerse 的文本是"看着图像生成"。三种差别合起来，意味着两者即便共享部分图像，训练出来的模型也不等价：用 Derm1M 训练得到的是"与描述对齐的视觉表示"，用 DermVerse 训练得到的是"与结构化临床判读对齐的视觉表示"。
对 fitzpatrick-17k（rid=55）：Fitzpatrick17K 的核心贡献是把肤色标注引入皮肤病数据集，并用它做分层评测，量化"浅肤色训练、深肤色掉点"这一现象。DermVerse 继承了它的肤色标签思路（Fitzpatrick I–VI），但没有继承它的分层评测思路——DermVerse 的评测表里看不到按肤色拆分的指标。这意味着它拿了 Fitzpatrick17K 的"标注手段"，却没拿它的"评测手段"，公平性主张因此停在数据层，没有落到证据层。
对 scin（rid=181）：SCIN 是众包采集的真实世界图像（用户用手机拍摄、通过搜索广告招募），其价值在于"真实拍摄条件"——光线、角度、设备、背景都不受控。DermVerse 把它作为源之一，等于引入了一批天然带噪声的图像；这也是为什么预筛的第三关（图像质量）至关重要——众包图的低质量比例显著高于实验室数据集。若第三关未按肤色分层校准（附录 G 已讨论），SCIN 的深肤色样本会被额外淘汰。
对 pad-ufes-20（rid=151）：PAD-UFES-20 是巴西手机拍摄的 6 类皮损，规模小但临床元数据完整（含患者年龄、性别、病灶部位、病程等）。它作为源被并入 DermVerse 后，其原有的患者级元数据是否被保留？文档没有说——15 个描述字段里没有"患者年龄""病程"这类字段，暗示源元数据在再加工过程中被丢弃了。这是"再加工型数据集"的常见代价：统一字段的同时，也统一掉了各源的特色信息。
附录 V：复现检查清单（12 项）
把 DermVerse 的流水线搬到自己语料上之前，逐项打勾：
- 语料是否只有宏观图？若混有皮肤镜，需先做模态二分类。
- 是否已剔除动物、处方、活检、手术四类噪声？
- 质量判据是否按肤色分层校准过？
- 种子集规模是否覆盖了目标病种的长尾（建议每个目标类至少 10-20 例）？
- 种子集标注是否报告了专家间一致性？
- 微调是否用 LoRA 还是全参？LoRA 省显存但上限较低。
- 生成提示词模板是否固定（字段顺序、输出格式、是否 JSON）？
- 是否要求模型输出置信度或多次采样？
- 15 个字段是否分批生成以避免互相背书（§8.3）？
- 肤色标签是人工判读还是模型生成？若模型生成，是否与专家小样本对齐过？
- 是否设计了图文错配测试以检验"描述是否真的对应图像"？
- 是否预留了 5%-10% 的人工抽检集？
清单里第 4、8、9、11 项是 DermVerse 自己没做、但迁移时必须补的。原样照搬它的流水线，会把这些缺口一并复制到新数据集里。
附录 W：引用与致谢建议模板
在评审结果公布前，若论文需要使用 DermVerse，建议采用如下表述（避免引用不可引之物）：
We use the DermVerse-500K dataset (anonymous submission,
NeurIPS 2026 Datasets and Evaluations Track, Paper ID 4127;
HuggingFace: BBAnonymous/NeurIPS2026-DermVerse-500K,
accessed 2026-10-17). The dataset is released under
CC BY-NC-SA 4.0 per its bundled License file.
三点提醒：其一，明确写出 Paper ID 而非作者名，是匿名期的通行做法；其二，写清访问日期，因为仓库可能变动；其三，许可按 License 文件写，不按 README 写。评审结果公布后，应替换为正式引用（若作者放出 BibTeX）。
附录 X：本条目未覆盖的内容（诚实边界）
为免读者误以为本条目已穷尽，列出明确未覆盖的部分：
| 未覆盖内容 | 原因 | 获取途径（若未来可得） |
|---|---|---|
| 论文正文与实验细节 | 双盲评审期无公开全文 | NeurIPS 2026 proceedings / OpenReview |
| 评测具体数值 | xlsx 未解析（网络预算约束） | 直接下载 Evaluation scores/ |
| 390 类清单与 9 级层名 | 文档未公开 | 待数据发布或补充材料 |
| 类别分布与来源占比 | 主体数据未公开 | 同上 |
| 种子集规模与标注一致性 | 文档未披露 | 论文正文 |
| 医院数据来源国与伦理审批 | 匿名 | 评审后信息 |
| 肤色标签的实际分布 | 未公开 | 待数据发布 |
| 500K 全量图像的申请通道 | README 未给 | 待作者公布 |
这份清单本身就是对该数据集文档完整度的评价。八项里有六项是"文档未披露"而非"本条目未查"——这个比例说明问题出在数据集文档侧，不是条目编者侧的疏漏。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- skincap — 共享标签：皮肤影像 / 多模态 / 影像-文本对齐 / 图像分类
- derm1m — 共享标签：皮肤影像 / 多模态 / 影像-文本对齐 / 视觉问答
- ph2 — 共享标签：皮肤影像 / 图像分类 / 皮肤癌
- skincon — 共享标签：皮肤影像 / 图像分类 / 皮肤癌
- medreco-db — 共享标签：多模态 / 影像-文本对齐 / 视觉问答
- med-node — 共享标签：皮肤影像 / 图像分类 / 皮肤癌
- isic-2019 — 共享标签：皮肤影像 / 图像分类 / 皮肤癌
- isic-2018 — 共享标签：皮肤影像 / 图像分类 / 皮肤癌
- isic-2020 — 共享标签：皮肤影像 / 图像分类 / 皮肤癌
- biomedica — 共享标签：多模态 / 影像-文本对齐 / 图像分类
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
