SCIN数据集
SCIN数据集是一个包含10,000多张皮肤病图像的多模态数据集，涵盖常见皮肤病情况，并整合了图像、自我报告的人口统计、病史、症状信息以及皮肤类型标签。该数据集主要用于皮肤病学研究、计算机辅助诊断和医疗人工智能模型的开发，为皮肤图像分析和跨肤色医疗公平性研究提供重要资源。
基本信息
资源简介
SCIN数据集
【数据集背景】
本数据集源站标题为《google/scin》。源站首次发布：2025-08-04。
【数据内容】
源站原始描述：# SCIN Dataset The SCIN (Skin Condition Image Network) open access dataset aims to supplement publicly available dermatology datasets from health system sources with representative images from internet users. To this end, the SCIN dataset was collected from Google Search users in the United States through a voluntary, consented image donation application. The SCIN dataset is intended for health education and research, and to increase the diversity of dermatology images available for public use.…
【数据结构与技术规格】
文件数 26 个，合计 12.61 GB。
【主题与分类】
主题标签：license:other、size_categories:1K<n<10K、format:parquet、modality:image、modality:text、library:datasets、library:dask、library:mlcroissant、library:polars、region:us。
【获取与许可】
源站页面：https://huggingface.co/datasets/google/scin
使用许可：other。
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。
暂未开放公开下载
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。
免登录有偿下载
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("google/scin")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/google/scin
数据说明
SCIN数据集是一个开放的皮肤病图像网络，旨在补充来自卫生系统的皮肤病数据，并提供互联网用户贡献的代表性图像。该数据集包含超过5,000名志愿者提供的10,000多张图像，涵盖常见皮肤病情况。数据内容包括皮肤病图像、自我报告的人口统计信息、病史、症状，以及自我报告的Fitzpatrick皮肤类型（sFST）。此外，数据集还提供了皮肤科医生标注的皮肤病状况和估计的Fitzpatrick皮肤类型（eFST），以及外行人估计的Monk皮肤色调（eMST）标签。该数据集主要用于皮肤病学研究、计算机辅助诊断、皮肤图像分析以及医疗人工智能模型的训练与评估。
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。
