32类精选皮肤病图像数据集
该数据集为精选的皮肤病图像集合，共包含32个类别，图像来源于Kaggle上的两个公开数据集，涵盖临床与皮肤镜图像。类别包括光化性角化病、基底细胞癌、黑色素瘤、痣、正常皮肤以及多种感染性、炎症性和罕见皮肤病
基本信息
资源简介
32类精选皮肤病图像数据集
该数据集是一套经过整理的皮肤疾病图像集合，共涵盖32个类别，图像内容同时包含临床照片与皮肤镜图像。其数据来源为Kaggle平台上的两个公开数据集，分别提供了31类皮肤病图像以及正常皮肤图像，二者合并后形成了当前的32类结构。类别覆盖范围较广，既包括光化性角化病、基底细胞癌、黑色素瘤、痣等与肿瘤和皮肤癌相关的病变，也包含正常皮肤，以及多种感染性、炎症性和较为罕见的皮肤疾病。该数据集由KURNIA ADI CAHYANTO整理，发布于Mendeley Data，发布年份为2026年，主题标签涉及生物医学工程、医学工程、数据挖掘与图像处理等方向，本站将其归类于肿瘤／皮肤癌领域。
【数据集背景】
该数据集旨在为皮肤疾病相关的图像分析研究提供经过分类整理的图像资源。其类别设置覆盖了从常见皮肤肿瘤到感染性、炎症性及罕见皮肤病的多种类型，并单独设置了正常皮肤类别，便于在研究中纳入对照。数据集同时包含临床图像与皮肤镜图像两种模态，这一组合有助于研究者考察不同成像方式下皮肤病变的视觉特征。数据集的构建依托于已有的公开图像资源，通过整合与重新归类形成统一的32类体系，从而支持更系统的皮肤疾病图像识别与分类研究。
【数据内容】
数据集共包含32个类别，类别名称及编号如下：0. Actinic Keratosis (AK)；1. Basal Cell Carcinoma (BCC)；2. Darier’s Disease (DD)；3. Dermatofibroma (DF)；4. Epidermolysis Bullosa Pruriginosa (EBP)；5. Hailey-Hailey Disease (HHD)；6. Herpes Simplex (HS)；7. Impetigo (IM)；8. Larva Migrans (LM)；9. Borderline Leprosy (LB)；10. Lepromatous Leprosy (LL)；11. Tuberculoid Leprosy (LT)；12. Lichen Planus (LP)；13. Discoid Chronic Lupus Erythematosus (LECD)；14. Melanoma (MEL)；15. Molluscum Contagiosum (MC)；16. Mycosis Fungoides (MF)；17. Neurofibromatosis (NF)；18. Nevus (NV)；19. Normal (NORM)；20. Confluent and Reticular Papillomatosis。图像类型涵盖临床图像与皮肤镜图像。各类别的具体图像数量、图像分辨率、文件格式及数据总量，源站未提供。
【采集与来源】
该数据集的图像来源于两个Kaggle公开数据集，分别为 https://www.kaggle.com/datasets/kelixo25/31-classes-of-skin-disease 和 https://www.kaggle.com/datasets/ahdasdwdasd/our-normal-skin。前者提供31类皮肤疾病图像，后者提供正常皮肤图像，二者共同构成当前32类的数据基础。数据集发布于Mendeley Data，来源站为doi.org，作者为CAHYANTO, KURNIA ADI，发布年份为2026年。关于原始图像的采集机构、采集设备、采集时间、地理区域及伦理审批信息，源站未提供。
【适用场景】
基于其类别构成与图像模态，该数据集可应用于皮肤疾病图像的分类与识别研究，例如构建和评估面向多类皮肤病变的深度学习分类模型。由于类别中同时包含黑色素瘤、基底细胞癌、光化性角化病等肿瘤性病变与正常皮肤，也可用于皮肤癌筛查相关的二分类或多分类任务研究。此外，数据集涵盖感染性、炎症性及罕见皮肤病类别，可用于考察模型在长尾分布或罕见类别上的表现。其主题标签涉及数据挖掘与图像处理，表明该数据集亦适合用于图像特征提取、图像预处理方法比较等方向的研究。具体任务设定与评价指标需由使用者根据研究目的自行确定。
【使用方法】
使用者可通过来源站doi.org获取该数据集。由于数据同时包含临床图像与皮肤镜图像，使用时可依据研究需要选择单一模态或联合使用。类别编号从0至20已在上文列出，其中部分编号对应同一疾病的不同亚型或不同麻风类型，使用时应注意类别标签的准确对应。关于数据集的目录结构、文件命名规则、划分方式（如训练集、验证集、测试集）以及是否提供标注文件，源站未提供。使用前建议自行核查图像与标签的一致性。
【质量与限制】
该数据集为整合自两个Kaggle公开数据集的精选图像集合，其类别体系为32类。关于图像质量、类别平衡性、是否存在重复图像、标注可靠性、数据偏倚等方面的具体评估信息，源站未提供。由于数据来源为公开平台，原始图像的采集条件与标注标准可能存在差异，使用者在开展研究时需自行评估其对结果的影响。此外，该数据集发布年份为2026年，其后续更新与维护情况源站未提供。
【引用与许可】
该数据集的作者为CAHYANTO, KURNIA ADI，发布机构为Mendeley Data，发布年份为2026年，来源站为doi.org。关于该数据集的具体许可协议、使用条款、是否允许商业用途以及推荐引用格式，源站未提供。使用者在引用或再利用该数据集前，应查阅来源站的相关说明并遵守原始Kaggle数据集的使用条件。
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://doi.org/10.17632/pgd42j3h5c
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:
数据说明
一个包含32个类别的精选图像数据集。该数据集来自网站https://www.kaggle.com/datasets/kelixo25/31-classes-of-skin-disease和https://www.kaggle.com/datasets/ahdasdwdasd/our-normal-skin。该数据集包含临床和皮肤镜图像。该数据集包含以下32个类别名称：0. 光化性角化病（AK）1. 基底细胞癌（BCC）2. 达里尔病（DD）3. 皮肤纤维瘤（DF）4. 痒疹性大疱性表皮松解症（EBP）5. 黑利-黑利病（HHD）6. 单纯疱疹（HS）7. 脓疱疮（IM）8. 幼虫移行症（LM）9. 界线类麻风（LB）10. 瘤型麻风（LL）11. 结核样麻风（LT）12. 扁平苔藓（LP）13. 盘状慢性红斑狼疮（LECD）14. 黑色素瘤（MEL）15. 传染性软疣（MC）16. 蕈样肉芽肿（MF）17. 神经纤维瘤病（NF）18. 痣（NV）19. 正常（NORM）20. 融合性网状乳头瘤病（PCR）21. 头虱病（PC）22. 色素性良性角化病（PBK）23. 玫瑰糠疹（PR）24. 光化性汗孔角化病（PA）25. 银屑病（PSO）26. 脂溢性角化病（SK）27. 鳞状细胞癌（SCC）28. 体癣（TC）29. 黑癣（TIN）30. 潜蚤病（TUN）31.
Vascular Lesion (VASC)
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。
