Pre-PASI银屑病评估数据集
该数据集是一个包含银屑病皮损临床图像、患者元数据和病灶分割标注的多模态医学数据集，主要应用于银屑病严重程度自动评估、计算机辅助诊断和医学图像分割等研究方向，通过收集来自不同医疗设备的数据为皮肤病学AI研究提供标准化的多任务评估资源。
基本信息
资源简介
Pre-PASI银屑病评估数据集
【数据集背景】
本数据集源站标题为《pharmaiktu/pre-pasi-assets》。源站首次发布：2026-04-24。
【数据内容】
源站原始描述：# PCL-PASI — README preview assets Public companion repository hosting the preview figures that are embedded in the README of the gated main dataset: pharmaiktu/pcl-pasi These images are served publicly so that prospective users can evaluate the dataset before requesting access. The actual dataset (images, metadata, splits) is in the gated main repo. ## Contents - `sample_grid.png` — random subject samples with scores and image IDs - `score_distribution.png` — class distribution per score cha…
【数据结构与技术规格】
文件数 4 个，合计 9.14 MB。
【主题与分类】
主题标签：license:cc-by-nc-4.0、size_categories:n<1K、format:imagefolder、modality:image、library:datasets、library:mlcroissant、region:us、medical、dermatology、psoriasis。
【获取与许可】
源站页面：https://huggingface.co/datasets/pharmaiktu/pre-pasi-assets
使用许可：cc-by-nc-4.0。
【使用注意】
· 源站最后修改于 2026-05-02，引用时请注意版本时效。
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("pharmaiktu/pre-pasi-assets")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/pharmaiktu/pre-pasi-assets
数据说明
Pre-PASI是一个专门用于银屑病评估的多任务、多设备医学数据集，包含银屑病皮损的临床图像、患者元数据以及病灶分割标注信息。该数据集通过收集来自不同医疗设备的银屑病患者临床图像数据构建而成，并提供了详细的评分分布、设备统计和患者分组信息。该数据集主要支持银屑病严重程度自动评估、计算机辅助诊断、医学图像分割等研究方向，为皮肤病学AI研究提供标准化数据资源。
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。
