ISIC皮肤镜图像与临床元数据17K数据集
本数据集为皮肤与结缔组织疾病领域的图像公开数据集，来源：isic。
基本信息
资源简介
ISIC皮肤镜图像与临床元数据17K数据集
ISIC-DICM-17K（全称 ISIC Dermoscopic Images and Clinical Metadata 17K）是一个经过整理且类别均衡的皮肤镜图像与临床元数据集，源自国际皮肤成像协作组织（ISIC）Archive Gallery。该数据集共包含 17,060 张皮肤镜图像及配套临床元数据，其中黑色素瘤类与非黑色素瘤类各 8,530 例，两类样本数量完全对等。数据集发布于 2023 年，采用 CC0 1.0 Universal 许可，在站内归入皮肤与结缔组织疾病 / 黑色素瘤分类，主要服务于皮肤病变分类相关的多模态学习研究。
【数据集背景】
该数据集由 ISIC Archive 机构发布，相关作者与机构信息涉及西班牙巴塞罗那医院皮肤科、奥地利维也纳医科大学皮肤科、Julien Anriot 博士、布宜诺斯艾利斯意大利医院以及 Memoria 等。数据集于 2023 年发布，其构建目的是为皮肤病变分类研究提供一个经过整理、类别均衡的皮肤镜图像与临床元数据资源。源站说明该数据集已被用于一项探索多模态学习在皮肤病变分类中有效性的研究，相关成果发表于 2025 年 IEEE/CVF 计算机视觉与模式识别研讨会（CVPRW）。
【数据内容】
数据集包含 17,060 张皮肤镜图像，并配有临床元数据。按类别划分，黑色素瘤类图像为 8,530 张，非黑色素瘤类图像为 8,530 张，两类数量相等，构成均衡的二分类数据集合。图像来源于 ISIC Archive Gallery，属于皮肤镜成像类型。除图像本身外，数据集还提供临床元数据字段，用于支持结合图像与临床信息的联合建模。关于元数据的具体字段构成、图像分辨率、文件格式及目录组织方式，源站未提供。
【采集与来源】
数据来源于国际皮肤成像协作组织（ISIC）的 Archive Gallery，由 ISIC Archive 作为机构来源发布。数据集是在该图库基础上经过整理与均衡化处理形成的派生数据集。源站提供了项目 GitHub 仓库地址（https://github.com/mmu-dermatology-research/isic-dicm-17k），可供获取更多项目细节。关于原始图像的采集设备、采集地点、采集时间跨度、患者人群构成及伦理审批信息，源站未提供。
【适用场景】
该数据集主要面向皮肤病变分类任务，尤其是黑色素瘤与非黑色素瘤的判别。由于其同时提供皮肤镜图像与临床元数据，适合用于多模态学习研究，即探索如何将视觉信息与临床信息融合以提升分类效果。源站明确指出该数据集被用于多模态模型在皮肤病变分类中的有效性基准研究，因此也可作为多模态分类方法的对比基准。此外，均衡的类别分布使其适合作为二分类模型训练与评估的资源。关于其他任务类型（如分割、检测）的适用性，源站未提供。
【使用方法】
源站建议通过项目 GitHub 仓库（https://github.com/mmu-dermatology-research/isic-dicm-17k）获取更多使用细节。数据集以皮肤镜图像加临床元数据的形式组织，使用时可将图像与对应元数据联合输入多模态模型，或分别用于单模态基线对比。引用时应参考源站列出的相关研究文献。关于具体的数据加载方式、预处理流程、训练/验证/测试划分方案及评价指标，源站未提供。
【质量与限制】
数据集经过整理并实现类别均衡，黑色素瘤与非黑色素瘤各 8,530 例，有助于避免类别不平衡带来的评估偏差。数据源自 ISIC Archive Gallery，具有明确的机构来源。当前可确认的限制信息有限：源站未提供图像分辨率、元数据完整性、标注质量控制流程、患者层面去重情况以及外部验证结果等信息。使用者在将其用于临床相关结论推断时，应注意到数据集为研究用途的派生集合，其临床代表性需结合原始图库资料进一步核实。
【引用与许可】
数据集采用 CC0 1.0 Universal 许可。源站列出的相关研究为：S. Ahammed, X. Cui, W. Lu and M. H. Yap, "Skin Lesion Classification using Dermoscopic Images and Clinical Metadata: Insights from Multimodal Models," 2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), Nashville, TN, USA, 2025, pp. 222-230。使用该数据集时应遵循 CC0 1.0 Universal 许可条款，并建议引用上述研究及项目 GitHub 仓库。关于许可的完整法律文本及商业使用细则，源站未提供。
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。
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/10.34970/233480
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
ISIC-DICM-17K（ISIC 皮肤镜图像与临床元数据 17K）是一个经过整理且类别平衡的数据集，源自 International Skin Imaging Collaboration (ISIC) Archive Gallery。它包含 17,060 张皮肤镜图像和临床元数据（8,530 个黑色素瘤类别和 8,530 个非黑色素瘤类别）。更多详情，请访问该项目的 GitHub 仓库：https://github.com/mmu-dermatology-research/isic-dicm-17k。该数据集在本研究和基准测试中用于探索多模态学习在皮肤病变分类中的有效性：S. Ahammed、X. Cui、W. Lu 和 M. H. Yap，《使用皮肤镜图像和临床元数据进行皮肤病变分类：来自多模态模型的启示》，2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)，美国田纳西州纳什维尔，2025，第 222-230 页，DOI: 10.1109/CVPRW67362.2025.00027
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
