HAM10000 数据集：常见色素性皮肤病变的多源皮肤镜图像大型集合

数据集获取

源站：https://doi.org/10.7910/dvn/dbw86t

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 3.20 GB。

数据说明

用于色素性皮肤病变自动诊断的神经网络训练，因皮肤镜图像可用数据集规模小且缺乏多样性而受阻。我们通过发布HAM10000（“Human Against Machine with 10000 training images”）数据集来解决这一问题。我们从不同人群收集了皮肤镜图像，这些图像通过不同方式获取并存储。最终数据集包含10015张皮肤镜图像，可作为学术机器学习用途的训练集。案例涵盖了色素性病变领域所有重要诊断类别的代表性集合：光化性角化病和上皮内癌/鲍温病（<code>akiec</code>）、基底细胞癌（<code>bcc</code>）、良性角化病样病变（日光性黑子/脂溢性角化病和扁平苔藓样角化病，<code>bkl</code>）、皮肤纤维瘤（<code>df</code>）、黑色素瘤（<code>mel</code>）、黑素细胞痣（<code>nv</code>）以及血管病变（血管瘤、血管角化瘤、化脓性肉芽肿和出血，<code>vasc</code>）。

超过50%的病变通过组织病理学（<code>histo</code>）确认，其余病例的基准真相要么是通过随访检查（<code>follow_up</code>）、专家共识（<code>consensus</code>），要么是通过活体共聚焦显微镜确认（<code>confocal</code>）。该数据集包含有多张图像的病变，可通过<strong>HAM10000_metadata</strong>文件中的<code>lesion_id</code>列进行追踪。

由于上传大小限制，图像存储在两个文件中：
<ul>
<li><strong>HAM10000_images_part1.zip</strong>（5000个JPEG文件）</li>
<li><strong>HAM10000_images_part2.zip</strong>（5015个JPEG文件）</li>
</ul>

<h3>用于评估目的的额外数据</h3>
HAM10000数据集作为<a href=‘http://arxiv.org/abs/1902.03368’>ISIC 2018挑战赛（任务3）</a>的训练集，同样的

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。