瘢痕疙瘩与增生性瘢痕图像数据集

该数据集是一个包含瘢痕疙瘩与增生性瘢痕两类皮肤病变的医学图像数据集,数据模态为临床皮肤图像,主要用于皮肤病学领域的图像识别研究,支持瘢痕类型的自动分类算法开发、计算机辅助诊断模型的训练,以及相关医学图像分析应用的验证与评估。

Qurat ul ain islamQurat ul ain islam
kaggle
2022-01-14 更新
浏览 45
皮肤病学图像识别
Keloid Scars vs Hypertrophic Scars

基本信息

大小
0.03 GB
许可
Unknown
创建/更新时间
2022-01-14
版本
v1

资源简介

瘢痕疙瘩与增生性瘢痕图像数据集

【一句话概览】

该数据集标题为“keloid scars _vs _ hypertrophic scars”,原始描述为包含瘢痕疙瘩与增生性瘢痕图像的数据集。数据集共20个文件,合计大小6.7 MB,源站标签为“cancer”,许可状态为Unknown(来源 Kaggle,Unknown 许可)。

【数据集背景】

本数据集源站标题为《keloid scars _vs _ hypertrophic scars》。源站首次发布:2022-01-14。

【数据内容】

源站原始描述:A dataset of images of Keloid scars and hypertrophic scars

中文译文(机器翻译,仅供快速理解,请以原文为准):瘢痕疙瘩和增生性瘢痕的图像数据集

【数据结构与技术规格】

文件数 20 个,合计 6.68 MB。

【主题与分类】

主题标签:cancer。

【获取与许可】

源站页面:https://www.kaggle.com/datasets/quratulainislam/keloid-vs-scar

使用许可:Unknown。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

方式一:KaggleHub(Python,推荐 AI Agent 使用)

# 前置依赖: pip install kagglehub
import kagglehub

path = kagglehub.dataset_download("quratulainislam/keloid-vs-scar")
print("数据已下载至:", path)

方式二:Kaggle CLI(命令行)

# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d quratulainislam/keloid-vs-scar
unzip keloid-vs-scar.zip -d keloid-vs-scar/

数据说明

该数据集是一个专门用于皮肤病学研究的图像数据集,主要包含两类皮肤瘢痕的医学图像:瘢痕疙瘩(Keloid scars)和增生性瘢痕(Hypertrophic scars)。数据集通过收集公开可获取的临床皮肤图像构建而成,每张图像均标注了对应的瘢痕类型。该数据集主要用于支持计算机视觉和医学图像分析领域的研究,特别是瘢痕类型的自动识别、分类算法开发,以及辅助皮肤病诊断工具的训练与验证。

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。

获取专属数据定制方案