2020 SIIM-ISIC黑色素瘤分类挑战数据集
该数据集是一个包含33,126张皮肤镜图像的多模态医学影像数据集，来源于2,056名患者，主要用于支持机器学习挑战以提升黑色素瘤的诊断准确性，其数据通过从多个临床数据库筛选获得，确保图像质量和标签可靠性，适用于黑色素瘤分类、医学影像分析和人工智能辅助诊断等研究方向。
基本信息
资源简介
本数据集名为‘2020 SIIM-ISIC黑色素瘤分类挑战数据集’，由纪念斯隆-凯特琳癌症中心等全球多个研究机构合作构建。数据集共包含33,126张皮肤镜图像，来源于2,056名患者，平均每位患者提供约16个病变图像。数据通过从多个临床图像数据库中查询和筛选获得，确保了图像质量和诊断标签的准确性。该数据集主要用于支持机器学习挑战，特别是在黑色素瘤的评估与诊断方面，旨在通过提供患者级别的上下文信息，帮助提升黑色素瘤诊断的准确性和效率，推动医学影像分析研究。
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.competition_download("siimisic-melanomaclassification")
print("比赛数据已下载至:", 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 competitions download -c siimisic-melanomaclassification
数据说明
本数据集名为‘2020 SIIM-ISIC黑色素瘤分类挑战数据集’，由纪念斯隆-凯特琳癌症中心等全球多个研究机构合作构建。数据集共包含33,126张皮肤镜图像，来源于2,056名患者，平均每位患者提供约16个病变图像。数据通过从多个临床图像数据库中查询和筛选获得，确保了图像质量和诊断标签的准确性。该数据集主要用于支持机器学习挑战，特别是在黑色素瘤的评估与诊断方面，旨在通过提供患者级别的上下文信息，帮助提升黑色素瘤诊断的准确性和效率，推动医学影像分析研究。
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。
