IGA量表痤疮识别数据集
数据包含 20 个文件，样例有 df.csv 及 images 目录下的多张自拍照片。源站描述称其为皮肤疾病分类数据集，包含 686 张照片，适用于神经网络按 IGA 量表识别面部皮肤问题区域，可用于医院自动化皮肤科医生的常规工作
基本信息
资源简介
IGA量表痤疮识别数据集
Acne Recognition Dataset, 220 people
该数据集来自 kaggle.com，标题为 Acne Recognition Dataset, 220 people，由 KUCEV ROMAN 于 2023-04-27 发布，属于皮肤与结缔组织疾病 / 痤疮分类。数据包含 20 个文件，样例有 df.csv 及 images 目录下的多张自拍照片。源站描述称其为皮肤疾病分类数据集，包含 686 张照片，适用于神经网络按 IGA 量表识别面部皮肤问题区域，可用于医院自动化皮肤科医生的常规工作。数据集涉及 228 名 IGA 量表 3-4 级皮肤问题者，每人拍摄正面、左三分之二、右三分之二三张自拍，照片光照良好，面部无化妆品、眼镜、口罩或异物（来源 Kaggle，Attributio。
【数据集背景】
源站首次发布：2023-04-27。
【数据内容】
源站描述（机器翻译，仅供参考）：皮肤疾病分类数据集 皮肤病学数据集包含 686 张照片，适用于神经网络按 IGA 量表识别面部皮肤问题区域。该神经网络将用于医院，并自动化皮肤科医生的常规工作。 💴 商业用途：如需讨论您的需求、了解价格并购买数据集，请在 roman@kucev.com 留下请求以购买数据集 内容 228 名 IGA 量表 3-4 级皮肤问题者拍摄了 3 张自拍：正面、左三分之二和右三分之二。所有照片均在良好光照下拍摄，面部无化妆品、眼镜、口罩或异物。 💴 购买数据集：这只是数据示例。请在 roman@kucev.com 留下请求，以讨论您的需求、了解价格并购买数据集。 *关键词：皮肤问题，痤疮
【数据结构与技术规格】
文件数 20 个，合计 56.45 MB。
【主题与分类】
主题标签：image、computer vision、healthcare、medicine。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/tapakah68/skin-problems-34-on-the-iga-scale
使用许可：Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)。
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/tapakah68/skin-problems-34-on-the-iga-scale
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 2.47 GB。
数据说明
Acne Recognition Dataset, 220 people KUCEV ROMAN · Updated 3 years ago Usability 9.4 · 688 Files (other, CSV) · 2 GB · 4,457 downloads · 1 notebook arrow_drop_up 38 Bronze 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。
