伤口图像分割聚合数据集
Wound Images Segmentation 2760 Samples 是与面部撕裂伤（Facial lacerations）相关的公开数据资源，主要包含整合Medetec、FUSeg和WSNet来源的伤口图像及分割标注，数据模态为图像，适合用于图像分割、模型训练、基准评测或临床特征分析。
基本信息
资源简介
伤口图像分割聚合数据集
【数据集背景】
本数据集源站标题为《Wound images segmentation [2760 samples]》。源站首次发布：2024-02-17。
【数据内容】
源站原始描述：This dataset has been compiled from multiple scientific papers, incorporating 374 samples from [1], 1210 samples from [2], and 1176 samples from [3]. If you utilize this dataset in a scientific context, please ensure to cite these respective works. It should be noted that a significant portion of the annotations were generated by me and have not undergone clinician validation. Consequently, this dataset is exclusively intended for research purposes and is not suitable for clinical use under any…
【数据结构与技术规格】
文件数 20 个，合计 4.87 MB。
【主题与分类】
主题标签：earth and nature、biology、computer vision、medicine、image segmentation、segmentation。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/leoscode/wound-segmentation-images
使用许可：MIT。
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("leoscode/wound-segmentation-images")
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 leoscode/wound-segmentation-images
unzip wound-segmentation-images.zip -d wound-segmentation-images/
数据集大小约 0.72 GB。
数据说明
伤口图像分割聚合数据集包含整合Medetec、FUSeg和WSNet来源的伤口图像及分割标注，可用于面部撕裂伤相关的图像分割研究。
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。
许可
MIT
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。
