39类皮肤病变数据集
该数据集是一个包含39种不同类型皮肤病变的图像数据集，整合了多个公开来源，经过预处理和增强处理，主要用于深度学习模型在皮肤病变自动分类与识别方向的研究与应用，可辅助医疗诊断系统提高皮肤病检测的准确性和效率。
基本信息
资源简介
该数据集由吉大港工程技术大学和查尔斯特大学的研究团队创建，整合了五个公开数据集，涵盖39种不同类型的皮肤病变。数据集包含丰富的皮肤病变图像数据，经过数据整合、预处理和图像增强等步骤处理，以提高数据质量和模型泛化能力。该数据集主要用于深度学习模型的训练和评估，旨在提升皮肤病变分类的准确性和效率，辅助医疗专业人员进行快速、准确的皮肤病诊断。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
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。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 皮肤瘙痒 的高质量、多模态真实临床数据定制解决方案。
