HAM10000
HAM10000包含10000张皮肤镜图像，用于皮肤癌良恶性分类，辅助黑色素瘤检测。
基本信息
资源简介
HAM10000数据集包含10000张皮肤镜图像，每张图像被标记为良性或恶性类别，用于皮肤癌检测，特别是黑色素瘤的良恶性分类任务。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取
git clone https://github.com/smit-6690/Melanoma-Skin-Cancer-Detection.git
curl -L -o repo.zip https://github.com/smit-6690/Melanoma-Skin-Cancer-Detection/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Skin Cancer Detection Using CNN
This project aims to detect melanoma, a type of skin cancer, using Convolutional Neural Networks (CNN). The model is trained on the HAM10000 dataset, which contains images of localized skin cells. It predicts whether a tumor in the input image is benign or malignant with an accuracy of approximately 90%.
Dataset
The HAM10000 dataset consists of 10000 dermatoscopic images. Each image is labeled with either ‘‘Benign’’ or ‘‘Malignant’’ class. If the given input image lies in ‘‘Benign’’ class then the cells are non-cancerous else they are cancerous.
Technologies Used
- TensorFlow
- Keras
- Streamlit
Model Architecture
The Convolutional Neural Network (CNN) architecture used for this project consists of multiple convolutional layers followed by max-pooling layers for feature extraction. The extracted features are then passed through fully connected layers for classification. The model is trained using the HAM10000 dataset with appropriate data augmentation techniques to improve generalization.
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。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 皮肤癌 的高质量、多模态真实临床数据定制解决方案。
