Segmented HAM10000 数据集（预处理版）

数据集获取

源站：https://doi.org/10.7910/dvn/lzjtko

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 36.2 MB。

数据说明

对来自同一平台（dataverse.harvard.edu）现有数据集进行预处理的贡献者：
学院学生：U.V.Patel工程学院，Ganpat大学，古吉拉特邦
Nishant Darji
Kiran Patel
Deep Patel
指导老师：Dr. Yagnesh Vyas
在Bhaskaracharya国家空间应用与地理信息研究所（BISAG-N）实习期间
针对训练神经网络以自动诊断色素性皮肤病变的挑战，我们自豪地推出了Segmented HAM10000数据集。该数据集源自原始的HAM10000，这一分割版本旨在进一步提升学术机器学习研究可用数据的有效性和多样性。Segmented HAM10000数据集源自多样的人群，通过多种方式采集，包含了10,015张皮肤镜图像的全面集合。每张图像都经过精细分割，优化了机器学习算法进行精确分析和解读的能力。

我们的数据集涵盖了色素性病变中一系列至关重要的诊断类别，包括光化性角化病及上皮内癌/鲍温病（akiec）、基底细胞癌（bcc）、良性角化病样病变（日光性黑子/脂溢性角化病及扁平苔藓样角化病，bkl）、皮肤纤维瘤（df）、黑色素瘤（mel）、黑素细胞痣（nv）以及血管病变（血管瘤、血管角化瘤、化脓性肉芽肿及出血，vasc）。数据集中超过50%的病变通过组织病理学（histo）得到确认，而其余病例的基准真相则通过随访检查（follow_up）、专家共识（consensus）或体内共聚焦显微镜确认（confocal）来确立。值得注意的是，Segmented HAM10000数据集包含具有多张图像的病变，便于通过附带的元数据文件中的lesion_id列进行追踪。

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。