ISIC 2019 皮肤病变图像分类数据集
该数据集为 ISIC 2019 挑战赛的训练数据，包含 25,331 张皮肤镜图像，涵盖九种诊断类别：黑色素瘤、黑素细胞痣、基底细胞癌、光化性角化病、良性角化病、皮肤纤维瘤、血管病变、鳞状细胞癌及以上都不是
基本信息
资源简介
ISIC 2019 皮肤病变图像分类数据集
ISIC 2019 Skin Lesion images for classification
该数据集为 ISIC 2019 挑战赛的训练数据，包含 25,331 张皮肤镜图像，涵盖九种诊断类别：黑色素瘤、黑素细胞痣、基底细胞癌、光化性角化病、良性角化病、皮肤纤维瘤、血管病变、鳞状细胞癌及以上都不是。数据已整合 2017 与 2018 年数据，并针对 TensorFlow 重新整理，便于直接用于图像分类任务。可用于皮肤病变的多分类与多标签分类研究，支持癌症筛查与医学教育等场景（来源 Kaggle，Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) 许可）。
【数据集背景】
源站首次发布：2022-09-12。
【数据内容】
源站描述（机器翻译，仅供参考）：关于数据集： 该数据集包含 ISIC 2019 挑战赛的训练数据，注意它已经包含了前几年（2018 和 2017）的数据。ISIC 2019 数据集包含 25,331 张图像，可用于在九个不同诊断类别中对皮肤镜图像进行分类：黑色素瘤、黑素细胞痣、基底细胞癌、光化性角化病、良性角化病（日光性黑子 / 脂溢性角化病 / 扁平苔藓样角化病）、皮肤纤维瘤、血管病变、鳞状细胞癌、以上都不是。特别感谢：@Larxel： 提供的初始合并数据集，该数据集刚刚被重新转换，以便于 TensorFlow 轻松摄取数据。 ##如何使用此数据集 合并外部数据 由 Alex 提供。数据集由 @andr 提供
【数据结构与技术规格】
文件数 20 个，合计 5.38 MB。
【主题与分类】
主题标签：cancer、education、health、health conditions、multiclass classification、multilabel classification。本站分类：皮肤疾病。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/salviohexia/isic-2019-skin-lesion-images-for-classification
使用许可：Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)。
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
源站：https://kaggle.com/datasets/salviohexia/isic-2019-skin-lesion-images-for-classification
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:
数据集大小约 9.80 GB。
数据说明
ISIC 2019 Skin Lesion images for classification Prasad Maharana · Updated 4 years ago Usability 9.1 · 25333 Files (other, CSV) · 10 GB · 11.3K downloads · 85 notebooks arrow_drop_up 75 Silver more_horiz
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。
