39类皮肤病变数据集
该数据集整合了五个公开来源，包含39种不同类型的皮肤病变图像，经过预处理和增强处理，主要用于训练和评估深度学习模型，以提升皮肤病变分类的准确性和效率，辅助医疗AI在皮肤疾病诊断中的应用研究。
基本信息
资源简介
39类皮肤病变数据集
【数据集背景】
本数据集源站标题为《akabircs/Skin-Lesions-Classification》。源站首次发布：2025-01-10。
【数据内容】
源站原始描述：An Attention-Guided Deep Learning Approach for Classifying 39 Skin Lesion Types # Skin-Lesions-Classification This is the official repository contains the code, data, and models of the paper titled **"An Attention-Guided Deep Learning Approach for Classifying 39 Skin Lesion Types"** ## Cite this paper as ## License Contents of this repository are restricted to only non-commercial research purposes under the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC…
【获取与许可】
源站页面：https://github.com/akabircs/Skin-Lesions-Classification
【使用注意】
· 源站最后修改于 2025-01-28，引用时请注意版本时效。
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
git clone https://github.com/akabircs/Skin-Lesions-Classification.git
curl -L -o repo.zip https://github.com/akabircs/Skin-Lesions-Classification/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Skin-Lesions-Classification
This is the official repository contains the code, data, and models of the paper titled “An Attention-Guided Deep Learning Approach for Classifying 39 Skin Lesion Types”
Cite this paper as
@misc{hanum2025skin,
title = {An Attention-Guided Deep Learning Approach for Classifying 39 Skin Lesion Types},
author = {Sauda Adiv Hanum and Ashim Dey and Muhammad Ashad Kabir},
archivePrefix = {arXiv},
eprint = {2501.01069},
doi = {10.48550/arXiv.2501.05991},
year = {2025}
}
License
Contents of this repository are restricted to only non-commercial research purposes under the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0). Copyright of the dataset contents belongs to the original copyright holders.
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。
