皮肤癌 - HAM10000 数据集
该数据集包含 10,000 张多源皮肤镜图像，数据模态为医学影像，涵盖了多种常见的色素性皮肤病变，包括黑色素瘤、基底细胞癌等皮肤癌类型以及良性病变。其主要用途是支持皮肤癌的计算机辅助诊断、深度学习模型开发与评估，以及皮肤病学领域的医学影像分析研究，为皮肤癌检测和分类提供高质量的标注数据资源。
基本信息
资源简介
皮肤癌 - HAM10000 数据集
【数据集背景】
本数据集源站标题为《Skin Cancer - The HAM10000 dataset》。源站首次发布：2024-06-28。
【数据内容】
源站原始描述：## The Original Dataset The source dataset and its full description may be accessed through the Harvard Dataverse and should be cited as >Tschandl, Philipp, 2018, "The HAM10000 dataset, a large collection of multi-source dermatoscopic images of common pigmented skin lesions", [ Harvard Dataverse, V4, UNF:6:KCZFcBLiFE5ObWcTc2ZBOA== [fileUNF] ## The Current Dataset Note that the herein uploaded dataset does not contain all of the source material, namely the file `ISIC2018_Task3_Test_NatureMedic…
【数据结构与技术规格】
文件数 20 个，合计 5.72 MB。
【主题与分类】
主题标签：earth and nature、cancer。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/eliocordeiropereira/skin-cancer-the-ham10000-dataset
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("eliocordeiropereira/skin-cancer-the-ham10000-dataset")
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 eliocordeiropereira/skin-cancer-the-ham10000-dataset
unzip skin-cancer-the-ham10000-dataset.zip -d skin-cancer-the-ham10000-dataset/
数据说明
HAM10000 是一个多源皮肤镜图像数据集，专注于常见的色素性皮肤病变。该数据集包含 10,000 张高质量皮肤镜图像，涵盖多种皮肤癌及良性病变类型，如黑色素瘤、基底细胞癌、光化性角化病等。数据来源于多个临床机构，通过皮肤镜设备采集，并经过专业标注。该数据集主要用于皮肤癌的计算机辅助诊断、深度学习模型训练、医学影像分析以及皮肤病学研究，是皮肤癌检测和分类领域的重要基准资源。
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。
