ISIC 2019皮肤癌检测数据集
该数据集是一个包含皮肤镜图像的医学影像数据集，涵盖9类皮肤病变（包括黑色素瘤、基底细胞癌等皮肤癌及良性病变），主要用于皮肤癌的自动检测与分类研究，支持计算机视觉算法开发和深度学习模型训练，在皮肤病辅助诊断和医学影像分析领域具有重要应用价值。
基本信息
资源简介
ISIC 2019皮肤癌检测数据集
【数据集背景】
本数据集源站标题为《ISIC 2019 Skin Cancer Detection Dataset》。源站首次发布：2026-05-04。
【数据内容】
源站原始描述：- Overview This dataset contains dermoscopic images of skin lesions, specifically curated and processed for a multi-class classification task. This work is a derivative of the ISIC 2019 Challenge dataset, structured to support a deep learning pipeline for detecting 9 distinct types of skin conditions. - Class Definitions The data is categorized into the following 9 classes: - Actinic Keratosis - Basal Cell Carcinoma - Dermatofibroma - Melanoma - Nevus - Pigmented Benign Keratosis - Seborrheic Ke…
【数据结构与技术规格】
文件数 20 个，合计 4.93 MB。
【主题与分类】
主题标签：cancer、health、computer vision、deep learning、cnn。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/syedibrarhussain/isic-2019-skin-cancer-detection-dataset
使用许可：CC BY-NC-SA 4.0。
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。
需登录公开下载
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。
暂未开放有偿下载
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("syedibrarhussain/isic-2019-skin-cancer-detection-dataset")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d syedibrarhussain/isic-2019-skin-cancer-detection-dataset
unzip isic-2019-skin-cancer-detection-dataset.zip -d isic-2019-skin-cancer-detection-dataset/
数据说明
该数据集是ISIC 2019挑战赛的公开医学影像数据集，专门用于皮肤癌的自动检测与分类。数据集包含经过预处理的皮肤镜图像，涵盖9种不同的皮肤病变类别，包括黑色素瘤、基底细胞癌、光化性角化病等多种皮肤癌及良性病变。数据来源于国际皮肤影像协作组织（ISIC）的公开档案，经过标准化处理，适用于计算机视觉和医学影像分析研究。主要应用于皮肤癌的辅助诊断算法开发、深度学习模型训练、以及皮肤病分类的学术研究和临床应用。
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。
