Asan测试数据集的Heatmap结果
数据基于Python Grad-CAM生成，覆盖恶性黑色素瘤和基底细胞癌等皮肤癌诊断，包含260张图像乘以12种诊断共3120张图像的heatmap结果，可用于深度学习模型的可解释性分析与皮肤癌分类研究（来源 figshare，CC BY 4.0 许可）
基本信息
资源简介
Asan测试数据集的Heatmap结果
Heatmap results of the Asan test dataset
该数据集为Asan测试数据集的heatmap结果，由Seung Seog Han于2017年11月30日发布，DOI为10.6084/m9.figshare.5590900.v3，包含2个文件（heatmap_code_model.zip和heatmaps.zip）。数据基于Python Grad-CAM生成，覆盖恶性黑色素瘤和基底细胞癌等皮肤癌诊断，包含260张图像乘以12种诊断共3120张图像的heatmap结果，可用于深度学习模型的可解释性分析与皮肤癌分类研究（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2017-11-30。
【数据结构与技术规格】
文件数 2 个，合计 887.98 MB。数据集 DOI：10.6084/m9.figshare.5590900.v3。
【主题与分类】
源站学科分类：Dermatology。主题标签：heatmap、grad-cam、deep learning、Dermatology。本站分类：肿瘤/皮肤癌。
【适用方向】
源站学科分类标注为 Dermatology。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/Heatmap_results_of_the_Asan_test_dataset/5590900
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Han, Seung Seog (2017). Heatmap results of the Asan test dataset. figshare. Dataset
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/10.6084/m9.figshare.5590900.v3
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 888.0 MB。
数据说明
- 我们使用Python Grad-CAM创建了热力图。( https://github.com/gcucurull/CAM-Python )
- /heatmap_fig2 恶性黑色素瘤和基底细胞癌病例的热力图结果。（图2） /heatmap_top1_correct 模型Top 1预测 == 正确诊断 /heatmap_all Asan测试数据集的所有热力图结果（260张图像 * 12种诊断 = 3120张图像）
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。
