HAM10000 ISIC2018 原始数据集
该数据集汇集了来自公开 HAM10000 数据集的高分辨率皮肤镜图像及元数据，包含 10000 余张图像及其对应的分割掩码、ISIC 2018 挑战赛的测试集图像，以及多个包含元数据和真实标签的 CSV 文件
基本信息
资源简介
HAM10000 ISIC2018 原始数据集
HAM10000_ISIC2018_RAW
该数据集汇集了来自公开 HAM10000 数据集的高分辨率皮肤镜图像及元数据，包含 10000 余张图像及其对应的分割掩码、ISIC 2018 挑战赛的测试集图像，以及多个包含元数据和真实标签的 CSV 文件。图像覆盖七种诊断类别，包括日光性角化病/上皮内癌等。研究人员和数据科学家可将其用于多类皮肤病变分类、图像分割或人机协作研究（来源 Kaggle，Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) 许可）。
【数据集背景】
源站首次发布：2025-01-01。
【数据内容】
源站描述（机器翻译，仅供参考）：数据集概览 本数据集是一个精心整理的高分辨率皮肤镜图像和元数据集合，主要来源于公开的 HAM10000（“Human Against Machine with 10000 training images”）数据集。它在单个文件夹中包含 10000 多张合并图像 及其对应的分割掩码、来自 ISIC 2018 挑战赛的 测试集图像，以及多个包含元数据和真实标签的 CSV 文件。研究人员和数据科学家可以将这些数据用于 多类皮肤病变分类、分割 或 人机协作 研究。 --- 内容与结构 1. HAM10000_images_combined - 10000 多张 JPEG 文件：每张图像代表皮肤病变的皮肤镜视图。 - 文件名通常遵循 ISIC_XXXXXXX.jpg 格式。 - 涵盖七个诊断类别：1. 光化性角化病 / 上皮内癌（`aki
【数据结构与技术规格】
文件数 20 个，合计 5.72 MB。
【主题与分类】
主题标签：cancer、image、health conditions、healthcare、multimodal。本站分类：皮肤与结缔组织疾病/日光性角化病。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/nightfury007/ham10000-isic2018-raw
使用许可：Attribution-NonCommercial 4.0 International (CC BY-NC 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/nightfury007/ham10000-isic2018-raw
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 3.20 GB。
数据说明
HAM10000_ISIC2018_RAW Kaustav Sarkar · Updated 2 years ago Usability 10.0 · 21544 Files (other, CSV) · 3 GB · 2,399 downloads · 14 notebooks arrow_drop_up 20 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。
