AI生成数据二分类优化合成数据集
主题标签：肿瘤、皮肤癌、黑色素瘤、基底细胞癌、StyleGAN2、合成图像、二分类。本数据集为肿瘤领域公开数据集，由Zenodo提供，主题涵盖肿瘤。
基本信息
资源简介
AI生成数据二分类优化合成数据集
Synthetic Datasets for "Binary Classification Optimisation with AI-Generated Data" 是一个面向肿瘤与皮肤癌图像研究的公开数据集，由 Ainovis 创建并发布于 Zenodo 平台，发布时间为 2024 年。该数据集的核心内容是利用 StyleGAN2 生成的黑色素瘤与基底细胞癌图像，服务于论文《Binary Classification Optimisation with AI-Generated Data》所涉及的二分类研究任务。数据集采用 Creative Commons Attribution 4.0 International 许可协议开放共享，主题标签涵盖肿瘤、皮肤癌、黑色素瘤、基底细胞癌、StyleGAN2、合成图像与二分类。作为肿瘤领域的公开资源，它为研究人员提供了一组以合成方式获得的皮肤病变图像，可用于探索人工智能生成数据在医学图像二分类中的表现与优化路径。
【数据集背景】
该数据集对应一篇题为《Binary Classification Optimisation with AI-Generated Data》的文章，其研究关注点在于利用人工智能生成的数据来优化二分类任务。在肿瘤与皮肤癌领域，黑色素瘤和基底细胞癌是两类常见的皮肤病变，围绕它们开展自动分类研究具有实际意义。本数据集正是在这一背景下构建，旨在为相关二分类实验提供由 AI 生成的图像素材。数据集由 Ainovis 贡献，并通过 Zenodo 平台发布，发布时间为 2024 年，采用开放许可，便于学术研究使用。
【数据内容】
数据集包含由 StyleGAN2 生成的黑色素瘤和基底细胞癌图像。源站描述明确指出，这些图像是“Images of melanomas and Basal Cell Carcinoma generated with a stylegan2”。因此，数据内容以合成图像为主，覆盖黑色素瘤与基底细胞癌两类皮肤癌相关病变。数据集的主题标签包括肿瘤、皮肤癌、黑色素瘤、基底细胞癌、StyleGAN2、合成图像和二分类，反映出其内容组织围绕二分类任务展开。除上述信息外，源站未提供关于图像数量、分辨率、文件格式、目录结构或标注方式的进一步说明。
【采集与来源】
该数据集来源于 doi.org，具体由 Zenodo 提供，作者为 Ainovis，机构为 Zenodo，发布时间为 2024 年。源站描述说明图像是通过 StyleGAN2 生成的，而非直接采集自临床或真实患者。因此，其数据来源属于人工智能生成，而非传统意义上的医学影像采集。关于生成过程中使用的原始训练数据、生成参数、训练轮次或硬件环境等信息，源站未提供。
【适用场景】
根据数据集的主题标签与源站描述，该数据集适用于肿瘤与皮肤癌领域的二分类研究，尤其是围绕黑色素瘤与基底细胞癌的分类任务。由于数据为 AI 生成的合成图像，它可用于探索生成数据在二分类优化中的作用，例如作为训练或增强素材参与分类实验。此外，该数据集对应特定文章的研究目标，因此也适合用于复现或延伸该文章所涉及的二分类优化方法。关于具体适用的模型架构、评价指标或实验流程，源站未提供。
【使用方法】
数据集以公开形式发布于 Zenodo，采用 Creative Commons Attribution 4.0 International 许可，使用者可在遵守该许可条款的前提下获取与使用。由于数据内容为 StyleGAN2 生成的黑色素瘤与基底细胞癌图像，使用时可将其作为二分类任务中的图像样本。关于数据的具体加载方式、预处理步骤、划分比例或配套代码，源站未提供。
【质量与限制】
该数据集的一个显著特点是其图像由 StyleGAN2 生成，属于合成数据，而非真实临床采集的皮肤病变图像。因此，在使用时需注意合成图像与真实图像之间可能存在的分布差异。源站描述仅说明图像为黑色素瘤与基底细胞癌的生成结果，未提供关于图像质量、多样性、分辨率、标注准确性或潜在偏差的评估信息。关于数据规模、类别平衡性以及是否经过医学专家验证等内容，源站未提供。
【引用与许可】
该数据集采用 Creative Commons Attribution 4.0 International 许可协议，允许在署名条件下共享与使用。数据集作者为 Ainovis，发布机构为 Zenodo，发布时间为 2024 年。数据集英文名称为 Synthetic Datasets for "Binary Classification Optimisation with AI-Generated Data"，对应文章为《Binary Classification Optimisation with AI-Generated Data》。关于具体的引用格式、DOI 编号或文章完整出处，源站未提供。
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/10.5281/zenodo.13787123
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 5.38 GB。
数据说明
使用stylegan2生成的黑色素瘤和基底细胞癌图像。与文章《基于AI生成数据的二分类优化》相对应的数据集。
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。
