皮肤癌：病变分割
该数据集包含HAM10000数据集的皮肤镜图像模态数据，覆盖多种色素性皮肤病变，提供图像及分割标注，主要用于皮肤癌的自动诊断和病变分割算法的研究，支持医学图像分析与皮肤病学辅助诊断应用。
基本信息
资源简介
皮肤癌：病变分割
【数据集背景】
本数据集源站标题为《Skin Cancer: Lesions Segmentation》。源站首次发布：2023-10-18。
【数据内容】
源站原始描述：Training of neural networks for automated diagnosis of pigmented skin lesions is hampered by the small size and lack of diversity of available datasets of dermatoscopic images. We tackle this problem by releasing the HAM10000 ("Human Against Machine with 10000 training images") dataset. We collected dermatoscopic images from different populations, acquired and stored by different modalities. The final dataset consists of 10015 dermatoscopic images which can serve as a training set for academic m…
【数据结构与技术规格】
文件数 20 个，合计 5.44 MB。
【主题与分类】
主题标签：cancer、image、image classification、medicine、image segmentation。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/volodymyrpivoshenko/skin-cancer-lesions-segmentation
使用许可：CC BY-NC-SA 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("volodymyrpivoshenko/skin-cancer-lesions-segmentation")
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 volodymyrpivoshenko/skin-cancer-lesions-segmentation
unzip skin-cancer-lesions-segmentation.zip -d skin-cancer-lesions-segmentation/
数据说明
该数据集名为皮肤癌病变分割，包含来自HAM10000数据集的皮肤镜图像，涵盖多种来源的色素性皮肤病变数据。数据集通过多源采集构建，提供了皮肤病变的图像及其对应的分割标注，主要用于皮肤癌的自动诊断、病变分割算法的研究与开发，可应用于医学图像分析、皮肤病学辅助诊断等领域。
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。
