皮肤癌数据集

该数据集包含皮肤病变图像数据,属于医学图像模态,主要用于通过卷积神经网络等深度学习技术进行皮肤癌的自动检测与分类研究,支持计算机视觉在医疗诊断领域的应用,旨在提升皮肤癌早期筛查的准确性和效率。

Pranavkpba2000Pranavkpba2000
kaggle
2022-11-25 更新
浏览 41
皮肤癌检测深度学习
Skin Cancer Dataset

基本信息

大小
3.43 GB
许可
Unknown
创建/更新时间
2022-11-25
版本
v1

资源简介

皮肤癌数据集

【数据集背景】

本数据集源站标题为《Skin Cancer》。源站首次发布:2022-11-25。

【数据内容】

源站原始描述:EN. International Skin Imaging Collaboration provided 2357 images of malignant and benign oncological diseases for this set (ISIC). All images were sorted according to ISIC classification, and all images were divided into nine classes, with seborrheic keratosis having the fewest images (80). The pigmented benign keratosis, on the other hand, has the highest image (478). Each of the nine classes represents different types of skin cancer diseases. The images are colorful, all raw images were split…

【数据结构与技术规格】

文件数 20 个,合计 2.39 GB。

【主题与分类】

主题标签:cancer。

【获取与许可】

源站页面:https://www.kaggle.com/datasets/afsana3223/skincancer

使用许可:Unknown。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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("afsana3223/skincancer")
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 afsana3223/skincancer
unzip skincancer.zip -d skincancer/

数据说明

该数据集是一个用于皮肤癌检测与分类的医学图像数据集,包含皮肤病变图像数据,通常通过临床采集或公开医学图像库构建。数据主要用于深度学习模型(如卷积神经网络CNN)的训练与评估,支持皮肤癌的自动识别、分类及早期筛查研究,适用于计算机视觉在医疗诊断领域的应用场景。

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。

获取专属数据定制方案