ISIC 2018 挑战赛任务三测试集
主题标签：皮肤疾病、皮肤镜图像、黑色素瘤、ISIC 2018、图像分类。本数据集为皮肤疾病领域公开数据集，主题涵盖皮肤疾病。
基本信息
资源简介
ISIC 2018 挑战赛任务三测试集
ISIC: Challenge 2018: Task 3: Test 是一个面向皮肤疾病图像分析领域的公开数据集，属于皮肤疾病/其他分类，来源于 isic-archive.com。该数据集是 ISIC 2018 挑战赛中任务 3 的测试集，主题标签涵盖皮肤疾病、皮肤镜图像、黑色素瘤、ISIC 2018 以及图像分类。作为国际皮肤成像协作组织（ISIC）主办的挑战赛组成部分，该数据集主要用于推动皮肤病变的自动分析与识别研究，尤其是围绕黑色素瘤检测相关任务。其内容以皮肤镜图像为核心，服务于图像分类等机器学习与医学影像分析场景。该数据集在学术研究中具有明确的引用要求，使用者需遵循源站列出的相关文献进行规范引用。
【数据集背景】
该数据集源自 ISIC 2018 挑战赛，该挑战赛由国际皮肤成像协作组织（ISIC）主办，聚焦于皮肤病变分析，尤其是黑色素瘤检测方向。根据源站描述，ISIC 2018 挑战赛的相关工作发表于 2018 年，论文题为“Skin Lesion Analysis Toward Melanoma Detection 2018: A Challenge Hosted by the International Skin Imaging Collaboration (ISIC)”。该挑战赛的举办旨在汇聚研究力量，推动皮肤镜图像的自动化分析技术发展。本数据集作为该挑战赛中任务 3 的测试集，承担着评估参赛算法性能的角色，是挑战赛评测体系中的重要组成部分。
【数据内容】
该数据集为 ISIC 2018 挑战赛任务 3 的测试集。其主题标签包括皮肤疾病、皮肤镜图像、黑色素瘤、ISIC 2018 和图像分类。从标签可以看出，数据集内容围绕皮肤疾病领域的皮肤镜图像展开，涉及黑色素瘤相关分类任务。数据集属于图像分类用途，具体图像数量、类别分布、图像尺寸、标注格式等详细信息，源站未提供。
【采集与来源】
该数据集来源于 isic-archive.com。源站描述指出，它是 ISIC 2018 挑战赛的测试集。关于图像的具体采集机构、采集设备、采集地点、患者人群分布、伦理审批信息等，源站未提供。源站仅列出了使用该数据集时需要引用的两篇文献，其中一篇为 ISIC 2018 挑战赛的概述论文，另一篇为 HAM10000 数据集的相关论文，后者被描述为“大规模多源皮肤镜图像集合，涵盖常见色素性皮肤病变”。但本数据集与 HAM10000 之间的具体关系，源站未提供。
【适用场景】
基于主题标签，该数据集适用于皮肤疾病领域的图像分类研究，尤其是皮肤镜图像分析与黑色素瘤检测相关任务。作为 ISIC 2018 挑战赛任务 3 的测试集，它可用于评估算法在皮肤病变分类上的性能。其典型应用场景包括：皮肤镜图像的自动分类、黑色素瘤识别模型的测试与验证、医学影像分析算法的基准评测等。由于该数据集为测试集，通常不用于模型训练，而用于对已训练模型进行性能评估。具体任务定义、评价指标和参赛要求，源站未提供。
【使用方法】
该数据集为 ISIC 2018 挑战赛任务 3 的测试集，使用者可将其用于皮肤镜图像分类算法的测试与评估。源站明确要求，在研究中使用 ISIC 2018 数据集时，需引用两篇指定文献：第一篇为 Noel Codella 等人发表的“Skin Lesion Analysis Toward Melanoma Detection 2018: A Challenge Hosted by the International Skin Imaging Collaboration (ISIC)”，2018 年，arXiv 编号 1902.03368；第二篇为 Tschandl、Rosendahl 与 Kittler 发表的“The HAM10000 dataset, a large collection of multi-source dermatoscopic images of common pigmented skin lesions”，发表于 Scientific Data 第 5 卷，文章编号 180161，DOI 为 10.1038/sdata.2018.161。关于数据下载方式、文件组织结构、图像命名规则、标注文件格式等具体使用细节，源站未提供。
【质量与限制】
该数据集作为 ISIC 2018 挑战赛任务 3 的测试集，其质量与限制的详细信息，源站未提供。已知信息仅包括其来源、所属挑战赛任务及主题标签。关于图像分辨率、标注一致性、类别平衡性、数据偏倚、患者隐私处理等质量相关维度，源站未提供。使用者应注意，该数据集为测试集，其用途主要限于评估，不宜直接用于模型训练。此外，源站未提供数据集的更新维护状态或版本信息。
【引用与许可】
源站明确要求，在研究中使用 ISIC 2018 数据集时，需引用以下两篇文献：
[1] Noel Codella, Veronica Rotemberg, Philipp Tschandl, M. Emre Celebi, Stephen Dusza, David Gutman, Brian Helba, Aadi Kalloo, Konstantinos Liopyris, Michael Marchetti, Harald Kittler, Allan Halpern: "Skin Lesion Analysis Toward Melanoma Detection 2018: A Challenge Hosted by the International Skin Imaging Collaboration (ISIC)", 2018; arxiv.org/abs/1902.03368
[2] Tschandl, P., Rosendahl, C. & Kittler, H. The HAM10000 dataset, a large collection of multi-source dermatoscopic images of common pigmented skin lesions. Sci. Data 5, 180161 doi:10.1038/sdata.2018.161 (2018).
关于该数据集的具体许可协议、使用条款、商业使用限制等，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。
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
源站：https://isic-archive.com/collection/67
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
来自ISIC 2018挑战赛的测试集。在您的研究中使用ISIC 2018数据集时，请引用以下作品： > [1] Noel Codella, Veronica Rotemberg, Philipp Tschandl, M. Emre Celebi, Stephen Dusza, David Gutman, Brian Helba, Aadi Kalloo, Konstantinos Liopyris, Michael Marchetti, Harald Kittler, Allan Halpern: “2018年皮肤病变分析向黑色素瘤检测迈进：由国际皮肤成像协作组织(ISIC)主办的挑战赛”，2018年；arxiv.org/abs/1902.03368 > > [2] Tschandl, P., Rosendahl, C. & Kittler, H. HAM10000数据集，一个包含多种来源的常见色素性皮肤病变皮肤镜图像的大型集合。《科学数据》5, 180161 doi:10.1038/sdata.2018.161 (2018).
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。
