ISIC 2019 训练输入数据集
该数据集包含25,331张皮肤病变的临床图像，属于医学图像模态，每张图像均配有诊断类别、患者年龄、病变部位、性别等标签，主要用于皮肤癌的自动诊断、病变分类与分割研究，支持计算机辅助诊断和深度学习模型在医学图像分析领域的应用开发。
基本信息
资源简介
该数据集是ISIC（国际皮肤影像合作组织）2019挑战赛的训练数据，专门用于皮肤癌的自动诊断研究。数据集包含25,331张皮肤病变的临床图像（图像模态），每张图像均标注了诊断类别（dx）、患者年龄（age_approx）、病变部位（anatom_site_general）、病变ID（lesion_id）和性别（sex）等信息。数据来源于公开的医学影像采集，旨在支持基于深度学习的皮肤病变分类、分割及辅助诊断模型开发。主要研究方向包括医学图像分析、计算机辅助诊断和皮肤癌早期检测。
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("Anwarkh1/ISIC_2019_Training_Input")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/Anwarkh1/ISIC_2019_Training_Input
数据说明
该数据集是ISIC（国际皮肤影像合作组织）2019挑战赛的训练数据，专门用于皮肤癌的自动诊断研究。数据集包含25,331张皮肤病变的临床图像（图像模态），每张图像均标注了诊断类别（dx）、患者年龄（age_approx）、病变部位（anatom_site_general）、病变ID（lesion_id）和性别（sex）等信息。数据来源于公开的医学影像采集，旨在支持基于深度学习的皮肤病变分类、分割及辅助诊断模型开发。主要研究方向包括医学图像分析、计算机辅助诊断和皮肤癌早期检测。
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。
完整数据卡：huggingface.co/datasets/Anwarkh1/ISIC_2019_Training_Input
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。
