皮肤癌：HAM10000
该数据集是一个包含10000张皮肤镜图像的医学影像数据集，涵盖黑色素瘤、基底细胞癌等多种皮肤病变类型，每张图像均提供诊断标签和病灶分割掩码，主要用于皮肤癌的自动分割与分类研究，支持医学图像处理、计算机辅助诊断等领域的算法开发与评估。
基本信息
资源简介
皮肤癌：HAM10000
【数据集背景】
本数据集源站标题为《Skin cancer: HAM10000》。源站首次发布：2021-05-27。
【数据内容】
源站原始描述：### Description The original HAM10000 dataset cannot be easily downloaded in jupyter notebooks from the source. Also, the other HAM10000 datasets on Kaggle do not have the segmentation masks provided by Philipp Tschandl here and here So I created this dataset where one can access all the source data in one place without any transformations. - Cases include a representative collection of all important diagnostic categories in the realm of pigmented lesions: - Actinic keratoses and intr…
【数据结构与技术规格】
文件数 20 个，合计 5.62 MB。
【主题与分类】
主题标签：cancer、computer vision、deep learning。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/surajghuwalewala/ham1000-segmentation-and-classification
使用许可：Attribution-NonCommercial 4.0 International (CC BY-NC 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("surajghuwalewala/ham1000-segmentation-and-classification")
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 surajghuwalewala/ham1000-segmentation-and-classification
unzip ham1000-segmentation-and-classification.zip -d ham1000-segmentation-and-classification/
数据说明
HAM10000是一个用于皮肤癌研究的医学影像数据集，包含10000张皮肤镜图像，涵盖多种皮肤病变类型，如黑色素瘤、基底细胞癌等。该数据集通过临床采集构建，每张图像均带有诊断标签和病灶分割掩码，支持皮肤癌的自动分割与分类任务。主要应用于医学图像处理、计算机辅助诊断和皮肤癌检测算法的开发与评估。
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。
