ISIC: PROVe-AI 皮肤镜黑色素瘤诊断验证数据集
我们开展了一项前瞻性、观察性临床验证研究，以评估 AI 算法（ADAE）根据皮肤镜皮肤病变图像预测黑色素瘤的诊断准确性。已同意接受皮肤活检以排除黑色素瘤的患者符合纳入条件
基本信息
资源简介
ISIC: PROVe-AI 皮肤镜黑色素瘤诊断验证数据集
ISIC: PROVe-AI 是一个面向皮肤疾病领域、聚焦黑色素瘤人工智能诊断验证的公开数据集，由 Memorial Sloan Kettering Cancer Center 提供，收录于 ISIC Archive，发布时间为 2022 年。该数据集源于一项前瞻性、观察性临床验证研究，旨在评估 AI 算法（ADAE）根据皮肤镜皮肤病变图像预测黑色素瘤的诊断准确性。研究纳入的对象为已同意接受皮肤活检以排除黑色素瘤的患者，且所有病变均接受了活检。数据集以 CC0 1.0 Universal 许可发布，允许广泛使用。整体而言，该数据集为皮肤镜图像与黑色素瘤诊断算法研究提供了具有临床验证背景的数据资源，适用于评估 AI 算法在真实临床场景中的诊断表现。
【数据集背景】
该数据集对应一项前瞻性、观察性临床验证研究，其核心目标是评估 AI 算法（ADAE）在根据皮肤镜皮肤病变图像预测黑色素瘤方面的诊断准确性。研究设计强调前瞻性与观察性，意味着数据采集发生在临床诊疗流程之中，而非回顾性收集。纳入标准明确限定为已同意接受皮肤活检以排除黑色素瘤的患者，这一设计使得数据集与临床决策场景紧密关联。所有病变均接受了活检，为诊断准确性评估提供了组织学参考基础。数据集由 Memorial Sloan Kettering Cancer Center 提供，收录于 ISIC Archive，发布时间为 2022 年，属于皮肤疾病领域的公开资源。
【数据内容】
数据集英文名为 ISIC: PROVe-AI，源站标题为 PROVe-AI。本站分类为皮肤疾病 / 其他。源站描述指出，研究评估的是 AI 算法（ADAE）根据皮肤镜皮肤病变图像预测黑色素瘤的诊断准确性。由此可知，数据集内容围绕皮肤镜皮肤病变图像展开，并与黑色素瘤预测任务相关。所有纳入的病变均接受了活检，因此数据与活检结果之间存在对应关系。关于图像数量、患者数量、病变数量、图像分辨率、字段结构、标注格式等具体信息，源站未提供。
【采集与来源】
数据采集来自一项前瞻性、观察性临床验证研究。研究对象为已同意接受皮肤活检以排除黑色素瘤的患者，所有病变均接受了活检。采集场景为临床诊疗环境，图像类型为皮肤镜皮肤病变图像。数据提供方为 Memorial Sloan Kettering Cancer Center，收录机构为 ISIC Archive。发布时间为 2022 年。关于采集地点、采集设备、采集时间跨度、患者人口学分布、纳入排除标准的具体细节等，源站未提供。
【适用场景】
该数据集适用于评估 AI 算法在皮肤镜图像上预测黑色素瘤的诊断准确性。由于其来源于前瞻性、观察性临床验证研究，且所有病变均经活检，因此可用于与黑色素瘤诊断相关的算法验证、性能评估及临床转化研究。具体适用任务包括但不限于黑色素瘤识别、皮肤病变分类以及诊断准确性比较。关于是否适用于其他皮肤疾病、是否支持多分类任务、是否可用于训练或仅用于验证等，源站未提供。
【使用方法】
源站未提供具体的使用方法说明，包括数据下载方式、目录结构、图像读取方式、标注解析方式、评价指标计算方式等。用户需参考 ISIC Archive 或相关源站获取进一步信息。关于是否提供代码示例、基线模型、训练测试划分等，源站未提供。
【质量与限制】
该数据集基于前瞻性、观察性临床验证研究，所有病变均接受活检，这为诊断准确性评估提供了组织学依据。然而，关于数据集的具体规模、类别分布、图像质量、标注一致性、是否存在缺失数据、是否经过专家复核等信息，源站未提供。此外，研究聚焦于 AI 算法（ADAE）对黑色素瘤的预测，是否涵盖其他皮肤疾病或更广泛的病变类型，源站未提供。使用时应结合源站描述及许可条款自行评估适用性。
【引用与许可】
该数据集采用 CC0 1.0 Universal 许可，允许在无需署名的情况下使用、修改和分发。提供方为 Memorial Sloan Kettering Cancer Center，收录于 ISIC Archive，发布时间为 2022 年。关于具体引用格式、DOI 信息、版本更新记录等，源站未提供。使用时应遵守 CC0 1.0 Universal 许可条款，并建议参考源站获取最新信息。
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://doi.org/10.34970/576276
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
我们开展了一项前瞻性、观察性临床验证研究，旨在评估AI算法（ADAE）在根据皮肤镜皮肤病变图像预测黑色素瘤方面的诊断准确性。同意接受皮肤活检以排除黑色素瘤的患者符合纳入条件。所有病变均接受了活检。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
