摘要：皮肤病分类数据集包含 1,000 张（预处理后 878 张）临床图像，涵盖 10 个类别：2 种恶性皮肤癌（黑色素瘤、鳞状细胞癌）、1 种癌前病变（光化性角化病）、3 种良性病变（良性角化病、皮肤纤维瘤、黑色素细胞痣）、2 种炎症/感染性疾病（特应性皮炎、癣/念珠菌病）、血管病变和健康对照。划分为训练集（697 张）和验证集（181 张），配有 CSV 元数据文件，支持二元和多类别皮肤病分类研究。
数据集简介
数据集概述
皮肤病分类数据集（Skin Disease Classification Dataset）是一个用于 AI 驱动的皮肤病学诊断的临床图像数据集，包含 1,000 张原始图像（预处理后 878 张有效图像），涵盖 10 个临床类别，用于皮肤病和皮肤癌分类研究。数据集涵盖完整的皮肤病学诊断谱系：两种恶性皮肤癌（黑色素瘤和鳞状细胞癌，前者是最具侵袭性的皮肤癌需要早期检测，后者未治疗可转移）、一种癌前病变（光化性角化病，可能进展为癌症）、三种良性病变（良性角化病、皮肤纤维瘤、黑色素细胞痣，对鉴别诊断至关重要）、两种炎症和感染性疾病（特应性皮炎和癣/念珠菌病真菌感染）、血管病变（各种血管异常）以及健康皮肤对照（正常皮肤样本作为阴性对照，用于区分病理状态和正常皮肤）。支持二元分类（恶性/良性）和多类别分类（10 类别细粒度诊断）任务，为皮肤病学图像分析、深度学习模型开发和临床决策支持系统研究提供高质量的训练和验证数据。
数据结构与类别特征
数据集采用标准化的训练-验证划分结构，在 Split_smol 目录中组织：train/ 文件夹包含 697 张训练图像，val/ 文件夹包含 181 张验证图像，每个文件夹内按 10 个疾病类别分为独立子目录，便于直接使用 ImageFolder 等标准数据加载器。三个 CSV 元数据文件提供结构化信息支持灵活的数据管理：train.csv（697 条训练记录）、val.csv（181 条验证记录）和 classes.csv（类别名称到数字 ID 的映射表），每条记录包含图像路径、标签名称和类别标识符，实现与深度学习框架的无缝集成。数据集的 10 个类别按临床严重性和治疗紧迫性组织：恶性癌症类别（黑色素瘤、鳞状细胞癌）需要紧急医疗干预，癌前病变（光化性角化病）需要密切监测和预防性治疗，良性病变（良性角化病、皮肤纤维瘤、黑色素细胞痣）虽然非癌性但在鉴别诊断中起关键作用，炎症和感染性疾病（特应性皮炎、癣/念珠菌病）需要不同的治疗策略，血管病变和健康皮肤对照为模型提供正常和异常的对比基准。这种多样化的类别设计使数据集能够支持从简单的二元癌症筛查到复杂的多类别精细诊断的各种临床应用场景。
应用价值与研究方向
该数据集为皮肤病学人工智能、计算机辅助诊断和医学图像分析研究提供核心数据基础，支持多个关键应用方向。研究人员可以开发深度学习分类模型自动区分恶性癌症、癌前病变、良性生长、炎症性疾病和健康皮肤，训练二元分类器进行高灵敏度的皮肤癌筛查（恶性 vs 非恶性），构建多类别诊断系统提供详细的病变类型识别和治疗建议，或设计可解释 AI 系统通过注意力机制和显著性图标注病变特征并解释诊断依据。数据集同时包含病理样本和正常对照，特别适用于迁移学习研究（利用 ImageNet 等预训练模型加速收敛）、类别不平衡处理方法验证（不同疾病类别样本量差异）、领域适应技术探索以及集成学习算法测试。通过支持从高风险皮肤癌早期检测到常见皮肤病鉴别诊断的完整皮肤病学分类任务链，数据集有助于提升黑色素瘤等致命皮肤癌的早期筛查率、改善偏远地区的远程皮肤病学医疗服务可及性、降低临床漏诊和误诊率，并推动智能皮肤病学诊断工具在基层医疗机构和移动健康应用中的实际部署和临床转化。
数据集来源
该数据集包含 1,000 张（预处理后 878 张）临床皮肤病图像，涵盖 10 个类别（2 种恶性癌症、1 种癌前病变、3 种良性病变、2 种炎症/感染性疾病、血管病变和健康对照），在 Split_smol 目录中组织为训练集（697 张）和验证集（181 张），配有三个 CSV 元数据文件，专为皮肤病分类和皮肤癌检测的 AI 系统开发而构建。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-70
文件大小：168M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)