ISIC: MSKCC 肤色标注数据集

数据集获取

源站：https://doi.org/10.34970/962049

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

该数据集包含2023至2024年间在纪念斯隆凯特琳癌症中心进行的一项前瞻性、单中心观察研究中收集的详细肤色注释。研究队列由64名成年患者组成，他们接受了由委员会认证的皮肤科医生进行的全身皮肤检查。为确保肤色谱系的多样代表性，招募患者时力求在全部六种菲茨帕特里克皮肤类型中实现均衡分布。该数据集旨在评估不同肤色标注方法的可靠性，并支持皮肤科人工智能中的公平性研究。数据集包含患者层面和部位层面的元数据，用于使用菲茨帕特里克皮肤类型量表、Monk肤色量表、Pantone肤色指南以及色度计读数（SkinColorCatch，Delfin Technologies）进行肤色分类。共纳入4,879张皮肤镜图像。肤色评估在病变部位和非病变（正常皮肤）部位均进行了收集，并映射至标准化解剖位置。所有皮肤病变均假定为良性，因为它们是在皮肤科评估后立即拍摄的。

所有数据均按照经IRB批准的方案收集，并获得了知情同意。数据集已根据HIPAA规定完全去标识化，不包含任何受保护的健康信息（PHI）。

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。