黑色素瘤分类的皮肤病变图像
该数据集包含25,331张皮肤镜图像，覆盖9种皮肤病变诊断类别，数据模态为医学图像，主要用于黑色素瘤的自动分类与识别研究，可应用于医学图像分析、计算机辅助诊断系统开发以及深度学习模型的训练与评估。
基本信息
资源简介
黑色素瘤分类的皮肤病变图像
【数据内容】
源站原始描述：该数据集包含ISIC 2019挑战赛的训练数据，请注意，它已经包含了前几年（2018和2017）的数据。ISIC 2019的数据集包含25
中文译文（机器翻译，仅供快速理解，请以原文为准）：该数据集包含ISIC 2019挑战赛的训练数据，请注意，它已经包含了前几年（2018和2017）的数据。ISIC 2019的数据集包含25,
【获取与许可】
源站页面：https://tianchi.aliyun.com/dataset/95286
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（阿里天池）
- 访问源站：https://tianchi.aliyun.com/dataset/95286
- 登录阿里云/天池账号（淘宝/支付宝快捷登录）；
- 数据集详情页点击「下载」获取直链（大文件多为 oss 分片，可用
curl -L -o file <链接>下载）； - 部分竞赛数据需报名赛事后可见。
数据说明
该数据集是ISIC 2019挑战赛的训练数据集，整合了2017、2018及2019年的数据，共包含25,331张皮肤镜图像。数据涵盖9种不同的皮肤病变诊断类别，主要用于皮肤镜图像的自动分类研究，特别是黑色素瘤的识别与诊断，可支持医学图像分析、计算机辅助诊断及深度学习模型开发等应用。
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。
