ISIC 2019 皮肤病灶分析数据集
肿瘤领域图像公开数据集，来源：ISIC Archive。
基本信息
资源简介
ISIC 2019 皮肤病灶分析数据集
【一句话概览】
ISIC Challenge Datasets 包含 2016 至 2020 年 ISIC Challenge 任务的训练与测试数据，以及 MILK10k Benchmark。数据集由皮肤镜病变图像组成，提供 JPEG 和 DICOM 格式，并附有对应的真值掩码、元数据和病变诊断。这些数据集由国际皮肤成像协作组织（ISIC）整理，图像来自多家机构贡献（来源 ISIC Archive）。
【数据集背景】
本数据集源站标题为《ISIC Challenge Datasets》。
【数据内容】
源站原始描述：The ISIC Challenge Datasets include training and test data for the ISIC Challenge tasks from 2016 to 2020, as well as the MILK10k Benchmark. The datasets consist of dermoscopic lesion images in JPEG and DICOM formats, along with corresponding ground truth masks, metadata, and lesion diagnoses. Datasets were curated by the International Skin Imaging Collaboration (ISIC) from images contributed by various institutions
中文译文（机器翻译，仅供快速理解，请以原文为准）：ISIC挑战赛数据集包含2016年至2020年ISIC挑战赛任务的训练和测试数据，以及MILK10k基准。这些数据集由JPEG和DICOM格式的皮肤镜病变图像组成，附有相应的地面实况掩模、元数据和病变诊断。数据集由国际皮肤成像协作组织（ISIC）从多个机构贡献的图像中整理而成。
【主题与分类】
主题标签：skin lesion、dermoscopy、melanoma、image segmentation、classification、ISIC Challenge、JPEG、DICOM、metadata、ground truth。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://challenge.isic-archive.com/data/
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://challenge.isic-archive.com/data/
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 23.00 GB。
数据说明
包含多来源皮肤镜图像、诊断标签和元数据，覆盖黑色素瘤等皮肤病灶类别。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
