ISIC二元增强数据集
该数据集是一个包含皮肤病变图像及其二元分类标签（良性或恶性）的医学图像数据集，总计25,018个样本，涵盖训练集和测试集，主要用于皮肤癌检测、医学图像分析和深度学习模型训练等研究方向，为自动诊断系统提供支持。
基本信息
资源简介
ISIC二元增强数据集
【一句话概览】
ahishamm/isic_binary_augmented 数据集共含 2 个文件，合计大小 152.7 MB。该数据集带有以下标签：size_categories 为 10K<n<100K，format 为 parquet，modality 为 image，library 包括 datasets、pandas、mlcroissant、polars，region 为 us（来源 Hugging Face）。
【数据集背景】
本数据集源站标题为《ahishamm/isic_binary_augmented》。源站首次发布：2023-07-01。
【数据结构与技术规格】
文件数 2 个，合计 152.67 MB。
【获取与许可】
源站页面：https://huggingface.co/datasets/ahishamm/isic_binary_augmented
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("ahishamm/isic_binary_augmented")
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/ahishamm/isic_binary_augmented
数据说明
该数据集是一个用于皮肤癌检测的医学图像数据集，包含皮肤病变图像及其对应的二元分类标签（良性或恶性）。数据集由训练集（17,214个样本）和测试集（7,804个样本）组成，总大小约142MB。数据来源于公开的ISIC（国际皮肤影像协作组织）数据集，并经过数据增强处理以提升模型的泛化能力。主要应用于医学图像分析、皮肤癌自动诊断和深度学习模型训练等研究方向。
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/ahishamm/isic_binary_augmented
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。
