用于肿瘤分类中种族偏见缓解的合成皮肤病学数据集

数据集获取

源站：https://doi.org/10.17632/bb844rcjx5

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 2.05 GB。

数据说明

合成皮肤病学数据集是一个由两部分组成的集合，通过生成式图像翻译创建，旨在促进跨菲茨帕特里克皮肤类型（FST）全谱系的公平且稳健的皮肤病分类模型的开发。该数据集为我们论文中的数据增强研究而创建，该研究探索使用这种合成数据方法来减轻AI辅助皮肤病诊断中的种族偏见。数据集组成（总计6，000张图像）——该数据集包含两个互补子集，源自3，000张手动筛选的临床图像：3，000张原始图像（模拟FST I–II）：——来源于公开可用的SD-260数据集（http://doi.org/10.1109/TNNLS.2019.2917524）——由一名委员会认证的皮肤科医生手动筛选，仅包含视觉上与浅色肤色（FST I–II）一致的高质量临床照片。3，000张合成图像（模拟FST V–VI）：——作为3，000张原始图像的合成对应物生成，经翻译以模拟较深肤色（FST V–VI）。——翻译使用高性能的基于I²SB的翻译模型（https://doi.org/10.48550/arXiv.2302.05872）完成。

皮肤病变内容

• 图像按肿瘤性皮肤病的二分类（良性 vs. 恶性）进行组织。
• 良性类别包含2，004个样本，由926个痣（NV）样本和1，078个脂溢性角化病（SK）样本组成。
• 恶性类别包含996个样本，由395个基底细胞癌（BCC）样本、289个鳞状细胞癌（SCC）样本和312个恶性黑色素瘤（MM）样本组成。

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。