皮肤癌检测
该数据集包含用于皮肤病变分割的医学图像数据，通过图像模态提供皮肤病变区域的标注信息，主要用于皮肤癌的检测与诊断研究，支持计算机辅助诊断系统和深度学习模型在皮肤癌早期筛查中的应用。
基本信息
资源简介
皮肤癌检测
【数据集背景】
本数据集源站标题为《Skin Cancer Detection》。源站首次发布：2024-02-16。
【数据内容】
源站原始描述：**Description** Melanoma is considered the most deadly form of skin cancer and is caused by the development of a malignant tumour of the melanocytes. The objective of the skin cancer detection project is to develop a framework to analyze and assess the risk of melanoma using dermatological photographs taken with a standard consumer-grade camera. **About Dataset** The dataset is maintained by VISION AND IMAGE PROCESSING LAB, University of Waterloo. The images of the dataset were extracted from th…
【数据结构与技术规格】
文件数 20 个，合计 421.25 KB。
【主题与分类】
主题标签：cancer、image、deep learning、image classification、image segmentation。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/fatemehmehrparvar/skin-cancer-detection
使用许可：Other (specified in description)。
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("fatemehmehrparvar/skin-cancer-detection")
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 fatemehmehrparvar/skin-cancer-detection
unzip skin-cancer-detection.zip -d skin-cancer-detection/
数据说明
该数据集是一个专注于皮肤病变分割的医学影像数据集，主要用于皮肤癌的检测与诊断。数据集包含皮肤病变区域的图像数据，通过图像分割技术对病变区域进行标注，以辅助识别恶性皮肤癌（如黑色素瘤）。数据来源于公开的医学影像资源，构建方式涉及对皮肤病变图像的采集与专业标注。该数据集适用于计算机辅助诊断（CAD）、医学图像分析、深度学习模型训练等研究方向，尤其在皮肤癌早期筛查和自动化诊断系统中具有重要应用价值。
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。
