大规模皮肤病平衡数据集
该数据集包含 262,874 张皮肤状况图像，分为 34 个疾病类别，涵盖痤疮与酒渣鼻、光化性角化病与恶性病变、特应性皮炎、湿疹、黑色素瘤与痣、银屑病与扁平苔藓、真菌感染、疱疹与 HPV 及性传播疾病、病毒感染、细菌感染、狼疮与结缔组织病、色素沉着障碍以及具有皮肤表现的系统性疾病等
基本信息
资源简介
大规模皮肤病平衡数据集
Massive skin disease balanced dataset
该数据集包含 262,874 张皮肤状况图像，分为 34 个疾病类别，涵盖痤疮与酒渣鼻、光化性角化病与恶性病变、特应性皮炎、湿疹、黑色素瘤与痣、银屑病与扁平苔藓、真菌感染、疱疹与 HPV 及性传播疾病、病毒感染、细菌感染、狼疮与结缔组织病、色素沉着障碍以及具有皮肤表现的系统性疾病等。数据集设计用于基于深度学习的图像分类，可训练模型进行自动皮肤病诊断（来源 Kaggle，MIT 许可）。
【数据集背景】
源站首次发布：2025-03-09。
【数据内容】
源站描述（机器翻译，仅供参考）：🩺 皮肤病分类数据集 📌 概述 该数据集包含 262,874 张各种皮肤状况的图像，分为 34 个不同的疾病类别。它专为基于深度学习的图像分类而设计，可用于训练自动皮肤病诊断模型。 🏥 疾病类别（34 类） 数据集包含各种皮肤状况的图像，包括但不限于： ✅ 痤疮与酒渣鼻 ✅ 光化性角化病与恶性病变 ✅ 特应性皮炎 ✅ 湿疹 ✅ 黑色素瘤与痣 ✅ 银屑病与扁平苔藓 ✅ 真菌感染（癣、脚气、甲真菌） ✅ 疱疹、HPV 与性传播疾病 ✅ 病毒感染（水痘、带状疱疹、疣、传染性软疣） ✅ 细菌感染（蜂窝织炎、脓疱病） ✅ 狼疮与结缔组织病 ✅ 色素沉着障碍 ✅ 具有皮肤表现的系统性疾病 📌 完整类别列表可在数据集中获取。 🛠️ 用
【数据结构与技术规格】
文件数 20 个，合计 35.59 MB。
【主题与分类】
主题标签：image、classification、computer vision、research、pytorch。本站分类：皮肤与结缔组织疾病/痤疮。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/muhammadabdulsami/massive-skin-disease-balanced-dataset
使用许可：MIT。
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。
需登录公开下载
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。
暂未开放有偿下载
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://kaggle.com/datasets/muhammadabdulsami/massive-skin-disease-balanced-dataset
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 11.84 GB。
数据说明
Massive skin disease balanced dataset Muhammad Abdul sami · Updated 2 years ago Usability 7.6 · 262876 Files (other, CSV) · 12 GB · 2,574 downloads · 13 notebooks arrow_drop_up 24 more_horiz
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
