皮肤癌MNIST：HAM10000（pickle格式）
该数据集为包含皮肤病变图像的医学影像数据集，采用pickle格式存储了HAM10000数据集的皮肤癌图像数据，包括病变名称、图像路径和经过尺寸调整的numpy数组图像，主要用于皮肤癌的计算机辅助诊断、皮肤病自动分类模型训练以及医学影像分析等人工智能医疗研究领域。
基本信息
资源简介
皮肤癌MNIST：HAM10000（pickle格式）
【数据集背景】
本数据集源站标题为《Skin Cancer MNIST: HAM10000 (pickle)》。源站首次发布：2022-09-10。
【数据内容】
源站原始描述：# **Overview** Pickle file has `numpy` array of the images with dimensions height: 112/width: 150, path of images and proper lesion names. # **Original Data Source** - Original Challenge: - [1] Noel Codella, Veronica Rotemberg, Philipp Tschandl, M. Emre Celebi, Stephen Dusza, David Gutman, Brian Helba, Aadi Kalloo, Konstantinos Liopyris, Michael Marchetti, Harald Kittler, Allan Halpern: “Skin Lesion Analysis Toward Melanoma Detection 2018: A Challenge Hosted by the International Skin Imaging Col…
【数据结构与技术规格】
文件数 1 个，合计 506.67 MB。
【主题与分类】
主题标签：image、health、biology、programming、multiclass classification。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/proxzima/skin-cancer-mnist-ham10000-pickle
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("proxzima/skin-cancer-mnist-ham10000-pickle")
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 proxzima/skin-cancer-mnist-ham10000-pickle
unzip skin-cancer-mnist-ham10000-pickle.zip -d skin-cancer-mnist-ham10000-pickle/
数据说明
该数据集是皮肤癌医学影像数据集，包含HAM10000数据集的pickle格式版本。数据内容涵盖皮肤病变名称、图像文件路径以及经过尺寸调整的图像数据（以numpy数组形式存储）。数据集来源于Kaggle平台，通过专业医学采集和预处理构建而成，主要用于皮肤癌的计算机辅助诊断、皮肤病分类模型训练、医学影像分析等人工智能医疗研究领域。
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。
