DDI多样性皮肤病图像数据
DDI可用于黑色素瘤和皮肤癌筛查模型公平性评估，帮助检验不同肤色和临床图像场景泛化能力。
基本信息
资源简介
DDI多样性皮肤病图像数据
【一句话概览】
DDI 是一个经活检证实的皮肤病数据集，具有多样肤色代表性。图像回顾性选自斯坦福诊所 2010 至 2020 年的病理报告，共 656 张图像，代表 570 名唯一患者。每张图像标签均由专家整理：肤色基于门诊当面评估，并对照人口统计照片及临床图像，由两名委员会认证皮肤科医生审核；每项诊断基于活检病理报告，报告及对应图像由委员会认证的皮肤科医生和皮肤病理学家审核（来源 ddi-dataset.github.io）。
【数据集背景】
本数据集源站标题为《Diverse Dermatology Images》。
【数据内容】
源站原始描述：A biopsy-proven skin disease dataset with diverse skin tone representation. The images included in the DDI dataset were retrospectively selected from reviewing pathology reports in Stanford Clinics from 2010-2020 with further details in our paper. There are 656 images representing 570 unique patients. Each image label was expertly curated: skin tone was labeled based on in-person evaluation at the clinic visit cross-referenced against demographic photos and review of the clinical images by two b…
中文译文（机器翻译，仅供快速理解，请以原文为准）：一个经活检证实的皮肤病数据集，具有多样化的肤色代表性。DDI 数据集中的图像是通过回顾性审查斯坦福诊所 2010 年至 2020 年的病理报告筛选出来的，更多细节见我们的论文。数据集包含 656 张图像，代表 570 名独立患者。每张图像的标签均由专家精心标注：肤色标签基于临床就诊时的现场评估，并交叉参照人口统计学照片以及由两位委员会认证皮肤科医生对临床图像的审查。每个诊断均基于活检的病理报告：这些报告及对应的图像由一位委员会认证的皮肤科医生和皮肤病理学家审查。
【主题与分类】
主题标签：dermatology、skin disease、skin tone、biopsy-proven、Fitzpatrick、clinical images、AI。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://ddi-dataset.github.io/
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://ddi-dataset.github.io/
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:
数据说明
多肤色临床皮肤病图像数据，包含良恶性皮肤病变类别。
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。
