皮肤痣：良性 vs 恶性（黑色素瘤）ISIC'19
该数据集包含5000张良性痣和4522张恶性黑色素瘤的皮肤镜图像，数据模态为医学图像，主要用于皮肤病变的良恶性分类研究，支持医学图像分析、皮肤病辅助诊断以及深度学习模型在皮肤癌早期检测领域的应用开发。
基本信息
资源简介
皮肤痣：良性 vs 恶性（黑色素瘤）ISIC''19
【数据集背景】
本数据集源站标题为《Skin Moles: Benign vs Malignant (Melanoma) ISIC''19》。源站首次发布：2024-05-02。
【数据内容】
源站原始描述：The dataset contains a *subset *of images from the ISIC Challenge 2019 dataset. In this dataset, 9,522 images of only **skin moles** were included. - All 4,522 melanoma images from the ISIC 2019 dataset were included - A random sample of 5,000 images (out of 12,876) were included This dataset can be used for binary classification tasks involving deep learning / computer vision techniques
【数据结构与技术规格】
文件数 20 个，合计 3.33 MB。
【主题与分类】
主题标签：image、computer vision、healthcare、binary classification、convolution。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/adisongoh/skin-moles-benign-vs-malignant-melanoma-isic19
使用许可：CC0: Public Domain。
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("adisongoh/skin-moles-benign-vs-malignant-melanoma-isic19")
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 adisongoh/skin-moles-benign-vs-malignant-melanoma-isic19
unzip skin-moles-benign-vs-malignant-melanoma-isic19.zip -d skin-moles-benign-vs-malignant-melanoma-isic19/
数据说明
该数据集是一个用于皮肤病变分类的医学图像数据集，包含5000张良性痣（黑素细胞痣）图像和4522张恶性黑色素瘤图像，主要用于区分皮肤痣的良恶性。数据来源于ISIC（国际皮肤影像协作组织）2019年挑战赛，以皮肤镜图像形式提供，适用于医学图像分析、皮肤病诊断辅助、深度学习模型训练等研究方向，旨在支持皮肤癌早期检测和自动化诊断工具的开发。
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。
