皮肤病变与健康皮肤四类目标检测数据集（YOLO标注）

数据集获取

源站：https://doi.org/10.5281/zenodo.23223192

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“皮肤病变检测的可解释性层：在面向恶性与患病率的数据集上对32种目标检测器和七种XAI方法进行基准测试”的论文中所描述的研究。完整数据集包含从ISIC档案中精选的7，000张图像（经增强后）。它由4个不同的皮肤病变类别（2个良性：黑色素细胞痣（N）和色素性良性角化病（PBK）；2个恶性：浸润性黑色素瘤（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）类别组成，该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。数据集被随机划分为训练集、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。皮肤病变区域按照YOLO系列模型所需的格式用边界框（矩形）进行了标注。

该数据集特别适用于自动化皮肤病变检测实验，可用于训练和基准测试目标检测模型（如YOLOv8、YOLOv9、YOLOv10、YOLOv11、YOLOv12、YOLOv26和RT-DETR），尤其侧重于检测恶性病变并减少健康皮肤上的假阳性检测。该记录还包含一个zip压缩包，内含用于训练和评估检测模型的源代码。该数据集的实例分割版本（多边形标注）可在以下网址获取：https://doi.org/10.5281/zenodo.18938292 使用本数据集时请引用：Krukar, N., [co-authors], & Omiotek, Z. (2026). An Explainability Layer for Skin Lesion Detection: Benchmarking 32 Object Detectors and Seven XAI Methods on a Malignancy- and Prevalence-Oriented Dataset. [Journal – in preparation].

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。