皮肤病变与健康皮肤4类实例分割数据集（YOLO标注）-89921

数据集获取

源站：https://doi.org/10.5281/zenodo.18938290

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 1.69 GB。

数据说明

该数据集旨在支持题为“使用深度YOLO系列网络分割皮肤病变：选定模型在新数据集上的性能比较”的论文研究。完整数据集包含从ISIC档案中整理出的7，000张图像（经增强后），分为4个不同的皮肤病变类别（2种良性：黑色素细胞痣(N)和色素性良性角化病(PBK)；2种恶性：侵袭性黑色素瘤(MI)以及基底细胞癌和鳞状细胞癌的合并类别(BCC+SCC)）和一个专门的“背景”(BGD)类别，包含无任何病变的清晰健康皮肤图像。数据集通过仅对训练集中属于MI、N和PBK类别的图像进行增强来实现平衡。数据集随机划分为训练集、验证集和测试集，其中验证集和测试集每个类别（包括背景图像）恰好包含100张图像。皮肤病变区域的详细注释以YOLO系列模型所需格式的多边形形式创建。

该数据集特别适用于自动化皮肤病变分割实验，可用于训练和基准测试实例分割模型（如YOLOv8、YOLOv9、YOLOv11、YOLOv12和YOLOv26），尤其侧重于增强鲁棒性并减少健康皮肤上的假阳性检测。使用该数据集时请引用：Omiotek, Z., Krukar, N., Olejarz, A., Lichograj, P., Komada, M., & Konieczna, M. (2026). Segmentation of Skin Lesions Using Deep YOLO-Family Networks: A Comparison of the Performance of Selected Models on a New Dataset. Electronics, 15(8), 1545. https://doi.org/10.3390/electronics15081545

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。