Fitz Selected：面向域自适应研究的七类皮肤病变子集
该数据集名为 Fitz Selected，是 Fitzpatrick17k 数据集的一个精选子集，包含与 ISIC 2019 分类体系对齐的七类皮肤病变图像
基本信息
资源简介
Fitz Selected：面向域自适应研究的七类皮肤病变子集
Fitz Selected 是一个面向皮肤病变图像分类与领域自适应研究的公开数据集，其英文全称为 Fitz Selected: Seven-Class Skin Lesion Subset for Domain Adaptation Research。该数据集是 Fitzpatrick17k 数据集的一个精选子集，包含七类与 ISIC 2019 分类体系对齐的皮肤病变图像，旨在为多类皮肤疾病分类中的无监督领域自适应（UDA）研究提供支持。数据集由作者 Yap, Steven 发布，发布机构为 Zenodo，发布时间为 2025 年，采用 Creative Commons Attribution 4.0 International 许可协议。在本站分类中，该数据集归属于肿瘤 / 皮肤癌方向，适合用于皮肤病变识别、分类模型训练与领域自适应实验等研究任务。
【数据集背景】
皮肤病变的自动分类是医学图像分析中的重要课题，而不同来源、不同采集条件下获得的图像往往存在分布差异，这给模型的泛化能力带来挑战。无监督领域自适应（UDA）正是应对此类问题的一类方法，其目标是在缺乏目标域标注数据的情况下，将模型从源域迁移到目标域。Fitz Selected 数据集正是在这一研究背景下构建的，它从 Fitzpatrick17k 数据集中精选出七类皮肤病变图像，并与 ISIC 2019 分类体系保持一致，从而为多类皮肤疾病分类中的领域自适应研究提供结构清晰、类别明确的数据基础。该数据集被设计用于支持可重复的实验，便于研究者在统一类别体系下开展皮肤病变分类与领域自适应研究。
【数据内容】
该数据集包含七类皮肤病变图像，每张图像被组织到以下类别之一：光化性角化病（actinic keratosis，简称 ak）、基底细胞癌（basal cell carcinoma，简称 bcc）、良性角化病（benign keratosis，简称 bkl）、皮肤纤维瘤（dermatofibroma，简称 df）、原位黑色素瘤（melanoma in situ，简称 mei）、痣（nevus，简称 nv）以及鳞状细胞癌（squamous cell carcinoma，简称 scc）。这七类与 ISIC 2019 分类体系对齐，覆盖了常见的皮肤病变类型，既包括恶性病变如基底细胞癌、鳞状细胞癌和原位黑色素瘤，也包括良性或癌前病变如光化性角化病、良性角化病、皮肤纤维瘤和痣。数据集的类别命名采用英文缩写形式，便于在实验流程中统一引用和处理。
【采集与来源】
该数据集来源于 Fitzpatrick17k 数据集，是其一个精选子集。Fitzpatrick17k 本身是一个包含皮肤病变图像的数据集，Fitz Selected 从中筛选出与 ISIC 2019 分类体系对齐的七类图像，形成面向领域自适应研究的专用子集。数据集的发布平台为 Zenodo，来源站标识为 doi.org，作者为 Yap, Steven，发布时间为 2025 年。关于图像的具体采集设备、采集地点、患者人群构成、图像数量、分辨率、预处理方式等细节，源站未提供。
【适用场景】
该数据集主要适用于多类皮肤疾病分类研究，尤其是无监督领域自适应（UDA）方向的实验。由于数据集包含七类与 ISIC 2019 对齐的皮肤病变图像，研究者可以将其用于训练和评估皮肤病变分类模型，探索模型在不同数据分布之间的迁移能力。此外，该数据集也适合用于可重复的实验研究，帮助研究者在统一的类别体系下比较不同领域自适应方法的性能。其类别设计覆盖了多种皮肤病变类型，可用于多分类任务，而非仅限二分类的病变识别。关于具体的基准任务、评价指标或实验协议，源站未提供。
【使用方法】
该数据集以七类皮肤病变图像的形式组织，每张图像归属于一个明确的类别标签。研究者可以按照类别目录结构加载图像，用于监督学习中的多类分类训练，或在无监督领域自适应实验中作为源域或目标域数据使用。由于数据集与 ISIC 2019 分类体系对齐，便于与其他采用相同分类体系的数据集进行对照实验。关于数据加载的具体格式、目录结构、划分方式、是否提供训练/验证/测试拆分等信息，源站未提供。
【质量与限制】
该数据集是 Fitzpatrick17k 的精选子集，类别体系与 ISIC 2019 对齐，适用于皮肤病变分类与领域自适应研究。其许可协议为 Creative Commons Attribution 4.0 International，允许在署名条件下使用。然而，关于数据集的图像数量、类别平衡性、图像质量、标注可靠性、人群多样性、潜在偏差等具体质量指标，源站未提供。因此，在使用该数据集时，研究者应自行评估其是否满足具体研究需求，并注意其作为 Fitzpatrick17k 子集可能继承的局限性。关于数据集的限制说明，源站未提供更多细节。
【引用与许可】
该数据集的作者为 Yap, Steven，发布机构为 Zenodo，发布时间为 2025 年。使用该数据集时应遵循 Creative Commons Attribution 4.0 International 许可协议，即在使用时需进行适当署名。关于具体的引用格式、DOI 标识、以及许可协议的完整条款，源站未提供。建议使用者在使用前查阅发布平台上的正式记录，以获取准确的引用信息和许可要求。
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/10.5281/zenodo.17470939
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 198.9 MB。
数据说明
该数据集名为Fitz Selected，是Fitzpatrick17k数据集的一个精选子集，包含与ISIC 2019分类法一致的七类皮肤病变图像。它旨在用于多类皮肤疾病分类中无监督域适应（UDA）的研究。每张图像被归类为以下类别之一：光化性角化病（ak）、基底细胞癌（bcc）、良性角化病（bkl）、皮肤纤维瘤（df）、原位黑色素瘤（mei）、痣（nv）和鳞状细胞癌（scc）。该数据集的创建旨在支持皮肤病变分类和域适应研究中的可重复实验。
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。
