ISIC 2018 新手分割掩膜
该数据集包含为 ISIC 2018 数据集创建的 11,720 个分割掩膜。这些掩膜最初是使用在 IMA++ 数据集上训练的 U-Net 模型生成的，随后经过人工复核，并在必要时进行了修正
基本信息
资源简介
ISIC 2018 新手分割掩膜
该数据集包含为 ISIC 2018 数据集创建的 11,720 个分割掩膜。这些掩膜最初是使用在 IMA++ 数据集上训练的 U-Net 模型生成的，随后经过人工复核，并在必要时进行了修正
ISIC 2018 Novice Segmentation masks
【数据集背景】
源站首次发布：2018。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含为 ISIC 2018 数据集创建的 11,720 个分割掩膜。这些掩膜最初是使用在 IMA++ 数据集上训练的 U-Net 模型生成的，随后经过人工复核，并在必要时进行了修正。当病灶边界未知时，会在整个 IMA++ 数据集上执行相似性搜索以寻找参考。如果搜索未能找到真正相似的匹配，那么人工分割会侧重于捕捉图像中心的异常细节，这可能会使数据偏向画面中央。彩蛋图像 ISIC_0035068 被有意保留为完全黑色，且没有任何分割。此外，还存在一些轻微伪影：某些掩膜略微重叠到周围皮肤上，有些边缘显得尖锐或呈尖刺状。如果两个皮肤病灶非常接近，它们会被标记为单个病灶。这是基于主要关注病灶位于图像中央的假设。因此，图像边缘附近较小的病灶并不总是被分割。你可以在 https://www.nature.com/articles/s41597-025-04382-5 阅读关于重复数据以及 ISIC 2018（在文章中称为 DermaMNIST-E）其他奇特之处的内容。
【主题与分类】
主题标签：皮肤镜图像、医学图像、皮肤疾病、黑色素瘤、图像分割、病灶分割、语义分割、像素级标注。本站分类：皮肤疾病。
【获取与许可】
源站页面：https://api.isic-archive.com/doi/isic-2018-novice-segmentation-masks/
使用许可：Attribution-NonCommercial 4.0 International。
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
源站：https://doi.org/10.34970/387951
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:
数据说明
该数据集包含为 ISIC 2018 数据集创建的 11,720 个分割掩膜。这些掩膜最初是使用在 IMA++ 数据集上训练的 U-Net 模型生成的，随后经过人工复核，并在必要时进行了修正。当病灶边界未知时，会在整个 IMA++ 数据集上执行相似性搜索以寻找参考。如果搜索未能找到真正相似的匹配，那么人工分割会侧重于捕捉图像中心的异常细节，这可能会使数据偏向画面中央。彩蛋图像 ISIC_0035068 被有意保留为完全黑色，且没有任何分割。此外，还存在一些轻微伪影：某些掩膜略微重叠到周围皮肤上，有些边缘显得尖锐或呈尖刺状。如果两个皮肤病灶非常接近，它们会被标记为单个病灶。这是基于主要关注病灶位于图像中央的假设。因此，图像边缘附近较小的病灶并不总是被分割。你可以在 https://www.nature.com/articles/s41597-025-04382-5 阅读关于重复数据以及 ISIC 2018（在文章中称为 DermaMNIST-E）其他奇特之处的内容。
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。
