ISIC：EASY 皮肤镜专家一致性研究
一个包含 248 个黑色素细胞病变的集合，由专家提交，作为 31 种皮肤镜特征中 1 种的范例（每种特征 8 张图像），用于评估（互不相关的）专家在以下方面的一致性：(1) 恶性程度，(2) 特征存在与否，以及 (3) 病变内特征定位
基本信息
资源简介
ISIC：EASY 皮肤镜专家一致性研究
ISIC: EASY Dermoscopy Expert Agreement Study 是一个聚焦皮肤镜图像专家判读一致性的数据集，收录了 248 个黑色素细胞病变的图像。这些图像由专家提交，作为 31 种皮肤镜特征中某一种特征的范例，每种特征对应 8 张图像。该数据集的核心用途是评估互不相关的专家在三个维度上的一致性：病变的恶性程度、特定皮肤镜特征是否存在，以及该特征在病变内的具体定位。数据集来源于 isic-archive.com，在本站归入皮肤疾病 / 其他类别。它为研究皮肤镜判读中的观察者间差异、特征标注可靠性以及专家共识形成机制提供了专门的图像与标注资源，适合用于皮肤影像分析、判读一致性研究及相关算法评估等方向。
【数据集背景】
皮肤镜是一种用于观察皮肤病变表面及皮下结构的成像方式，在黑色素细胞病变的评估中具有重要作用。然而，不同专家对同一病变的判读往往存在差异，这种观察者间差异直接影响诊断的一致性与可靠性。为了系统研究专家在皮肤镜判读中的一致程度，需要一套经过专门设计、由专家提交并带有明确特征指向的图像集合。ISIC: EASY Dermoscopy Expert Agreement Study 正是在这一需求下构建的，其名称中的“Expert Agreement Study”直接指向专家一致性研究这一目标。该数据集关注的是专家之间在恶性程度判断、特征存在性判断以及特征定位上的吻合程度，而非单纯提供诊断标签。
【数据内容】
该数据集包含 248 个黑色素细胞病变。这些病变图像由专家提交，作为 31 种皮肤镜特征中 1 种特征的范例，每种特征对应 8 张图像。数据集围绕三个评估维度组织：第一，病变的恶性程度；第二，特定皮肤镜特征是否存在；第三，该特征在病变内的定位。除图像本身外，源站还提供了图像掩膜与超像素标注的仓库，地址为 https://github.com/ISIC-Research/expert-annotation-agreement-data。该仓库的存在表明数据集不仅包含原始皮肤镜图像，还配套了与特征定位相关的掩膜和超像素级标注资源，可用于更精细的空间分析。
【采集与来源】
该数据集的来源站为 isic-archive.com。图像由专家提交，作为 31 种皮肤镜特征中某一种特征的范例，每种特征 8 张图像，合计 248 个黑色素细胞病变。这些图像被用于评估互不相关的专家在恶性程度、特征存在与否以及病变内特征定位三个方面的一致性。关于图像的具体采集设备、采集地点、患者人群构成、提交专家的数量与专业背景等细节，源站未提供。
【适用场景】
该数据集适用于皮肤镜判读一致性研究，尤其是针对黑色素细胞病变的专家间一致性评估。具体而言，可用于研究专家在判断病变恶性程度时的一致性，分析专家对特定皮肤镜特征是否存在的判断差异，以及考察专家在病变内定位同一特征时的空间吻合程度。此外，配套的图像掩膜与超像素标注资源可用于特征定位相关的图像分析、分割与空间一致性度量等任务。该数据集也可作为皮肤影像算法在特征存在性判断与定位任务上的参考基准，但需注意其设计初衷是一致性研究而非单纯的诊断分类。
【使用方法】
使用该数据集时，可围绕三个评估维度组织实验：恶性程度判断、特征存在性判断以及特征定位。由于每种特征对应 8 张图像，共 31 种特征，研究者可按特征分组，比较不同专家在同一特征范例上的判读结果，计算一致性指标。对于特征定位任务，可结合源站提供的图像掩膜与超像素标注仓库（https://github.com/ISIC-Research/expert-annotation-agreement-data）进行空间层面的分析。关于具体的一致性统计方法、标注格式细节、数据划分方式以及预处理流程，源站未提供。
【质量与限制】
该数据集的一个显著特点是其规模与设计：248 个黑色素细胞病变，31 种特征，每种特征 8 张图像。这一结构使其适合研究特定特征的一致性，但每种特征的图像数量有限。数据集由专家提交作为范例，因此图像可能偏向于展示特定特征的典型表现，未必覆盖自然分布下的全部变异。关于图像质量、标注质量控制流程、专家间分歧的处理方式、数据是否存在类别不平衡或缺失值等信息，源站未提供。使用者应注意，该数据集的目标是一致性评估，不宜直接将其视为诊断金标准数据集。
【引用与许可】
该数据集的来源站为 isic-archive.com，配套的图像掩膜与超像素标注仓库位于 https://github.com/ISIC-Research/expert-annotation-agreement-data。关于该数据集的具体引用格式、许可条款、使用限制以及商业使用规定，源站未提供。使用者在下载与使用前应自行查阅来源站及标注仓库的相关说明，以确认引用方式与许可条件。
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/166
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
一个包含248个黑色素细胞病变的集合，这些病变由专家提交作为31种皮肤镜特征中某一种的范例（每种特征8张图像），并用于评估（无关）专家之间在以下方面的共识：(1)恶性程度，(2)特征存在性，以及(3)病变内特征定位。图像掩模和超像素注释的存储库位于：https://github.com/ISIC-Research/expert-annotation-agreement-data
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。
