DermatoNet-TelessaudeRS 皮肤病变数据集

数据集获取

源站：https://doi.org/10.17632/g5bj76p2z3.2

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 29.0 MB。

数据说明

DermatoNet是一个包含1，719张智能手机拍摄的皮肤病变图像及配套结构化临床元数据的数据集，通过TelessaúdeRS收集。TelessaúdeRS是由南里奥格兰德联邦大学（UFRGS）与南里奥格兰德州卫生秘书处合作运营的公共远程皮肤科服务平台，为巴西南部巴西公共卫生系统（SUS）的初级保健患者提供服务。该数据集涵盖2017年2月至2019年5月期间提交的会诊病例，涉及六个诊断类别：基底细胞癌（C44，n=448）、脂溢性角化病（L82，n=422）、痣（D22，n=363）、光化性角化病（L57.0，n=244）、鳞状细胞癌（C44，n=124）和黑色素瘤（C43，n=118）。1，719例病例（每位患者一张图像）均附有经专科医生验证的ICD-10诊断，该诊断由委员会认证的远程皮肤科医生通过异步临床审查确定，同时包含最多50项结构化二元临床特征（症状、处方治疗及临床衍生标志）、人口统计学变量（年龄、性别），以及来自转诊初级保健医生和审查专科医生的自由文本临床记录。

诊断金标准主要为临床诊断而非组织病理学诊断（总体活检确诊率为1.1%），这反映了真实世界的远程皮肤病学分诊场景，而非以活检为中心的外科诊疗项目。与基于皮肤镜的基准数据集（如HAM10000、ISIC）不同，本研究的图像是在真实世界远程会诊条件下使用智能手机拍摄的，没有标准化的光照或构图，为测试模型泛化能力提供了具有生态效度的基准。与PAD-UFES-20相比，DermatoNet还为每个病例额外提供了完整的结构化病史和专科医生自由文本记录（50项临床特征 vs. 最多22项），以及更均衡的类别分布（3.8：1 vs. 16.2：1），弥合了初级诊疗与专科诊疗之间的诊断差距。图像以标准化的224×224像素、24位

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。