ISIC 黑色素瘤检测数据集

该数据集来自 kaggle.com,源自国际皮肤成像协作组织(ISIC)档案,包含 2750 张皮肤病变图像,分为恶性黑色素瘤、脂溢性角化病和良性痣三类

CabmarcosCabmarcos
google_dataset
2024-06-12 更新
浏览 7
图像分类cancer
ISIC melanoma detection

基本信息

模态
图像
大小
0.229509139 GB
任务类型
分类
许可
MIT
创建/更新时间
2024-06-12
版本
v1

资源简介

ISIC 黑色素瘤检测数据集

ISIC melanoma detection

该数据集来自 kaggle.com,源自国际皮肤成像协作组织(ISIC)档案,包含 2750 张皮肤病变图像,分为恶性黑色素瘤、脂溢性角化病和良性痣三类。数据划分为训练集 2000 张、验证集 150 张、测试集 600 张,每个临床病例提供两张图像。该数据集可用于皮肤病变的良恶性分类与黑色素瘤检测相关的图像分类模型训练与评估(来源 Kaggle,MIT 许可)。

【数据集背景】

源站首次发布:2024-06-12。

【数据内容】

源站描述(机器翻译,仅供参考):三类病变:- 恶性黑色素瘤:黑色素瘤,也称为恶性黑色素瘤,是最常见的皮肤癌类型,起源于称为黑色素细胞的产色素细胞。黑色素瘤通常出现在皮肤上,很少出现在口腔、肠道或眼睛等其他部位。- 脂溢性角化病:脂溢性角化病是一种非癌性(良性)皮肤肿瘤,起源于皮肤外层细胞(角质形成细胞),因此是一种非黑色素细胞病变。- 良性痣(痣):一种起源于黑色素细胞(黑色素细胞性)的良性皮肤肿瘤。# 数据集描述 该数据集取自“国际皮肤成像协作组织”(ISIC)档案。它包含 2750 张图像,分为 3 组:训练集:2000 张图像 验证集:150 张图像 测试集:600 张图像 对于每个临床病例,我们有两张可用图像:皮肤镜图像

【数据结构与技术规格】

文件数 20 个,合计 1.35 MB。

【主题与分类】

主题标签:cancer。本站分类:肿瘤/皮肤癌。

【获取与许可】

源站页面:https://www.kaggle.com/datasets/cabmarcos/isic-melanoma-detection

使用许可:MIT。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

需登录

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。

暂未开放

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://kaggle.com/datasets/cabmarcos/isic-melanoma-detection

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 229.5 MB。

数据说明

Cabmarcos (2024). ISIC melanoma detection [Dataset]. https://www.kaggle.com/datasets/cabmarcos/isic-melanoma-detection

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。

获取专属数据定制方案