癌症图像分类自动训练数据集
该数据集是一个用于皮肤癌图像分类的医学图像数据集，包含1350个样本，数据模态包括RGB皮肤病变图像以及图像ID、病变ID、目标分类标签、诊断类型、年龄、性别和病变位置等多模态临床信息，主要用于支持基于深度学习的皮肤病变自动分类研究，可应用于皮肤癌辅助诊断、医学图像分析和计算机辅助诊断系统开发等方向。
基本信息
资源简介
癌症图像分类自动训练数据集
【数据集背景】
本数据集源站标题为《Lakera/autotrain-data-cancer-lakera》。源站首次发布：2023-04-19。
【数据内容】
源站原始描述：# AutoTrain Dataset for project: cancer-lakera ## Dataset Description This dataset has been automatically processed by AutoTrain for project cancer-lakera. ### Languages The BCP-47 code for the dataset''s language is unk. ## Dataset Structure ### Data Instances A sample from this dataset looks as follows: ```json [ { "image": " ", "feat_image_id": "ISIC_0024329", "feat_lesion_id": "HAM_0002954", "target": 0, "feat_dx_type": "histo", "feat_age": 75.0, "feat_sex": "female", "feat_localization": "lo…
文件 processed/dataset_dict.json 为 JSON 结构（顶层键：splits）。
文件 processed/train/dataset_info.json 为 JSON 结构（顶层键：citation、description、features、homepage、license、splits）。
【数据结构与技术规格】
文件数 7 个，合计 359.32 MB。
【主题与分类】
主题标签：task_categories:image-classification、region:us。
【获取与许可】
源站页面：https://huggingface.co/datasets/Lakera/autotrain-data-cancer-lakera
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("Lakera/autotrain-data-cancer-lakera")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/Lakera/autotrain-data-cancer-lakera
数据说明
该数据集是专为癌症图像分类项目设计的AutoTrain自动处理数据集，主要用于皮肤病变的自动分类任务。数据集包含总计1350个样本，其中1200个用于训练，150个用于验证。每个样本由一张600x450像素的RGB皮肤病变图像、图像ID、病变ID、目标分类标签（包括光化性角化病、基底细胞癌、良性角化病样病变等）、诊断类型、患者年龄、性别和病变位置等多模态信息组成。数据来源于皮肤病变图像及其相关临床元数据，旨在支持基于深度学习的皮肤癌辅助诊断研究，适用于医学图像分析、皮肤病学研究和计算机辅助诊断系统开发等应用场景。
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。
完整数据卡：huggingface.co/datasets/Lakera/autotrain-data-cancer-lakera
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
