摘要：该数据集主要面向皮肤镜图像中的毛发伪影去除任务，通过构建“含毛发图像—无毛发图像”成对样本，为皮肤病变图像预处理、自动毛发去除、图像修复和皮肤病辅助诊断提供数据基础。
数据集概述
数据集部分来源于经典的 HAM10000 皮肤镜图像数据集，并结合 Digital Hair Dataset 中的人工毛发掩膜生成毛发干扰图像。构建过程中从 HAM10000 的不同病变类别中选取图像，将二值毛发掩膜进行归一化并叠加到原始皮肤镜图像上，再通过后处理调整像素值，从而生成与原始无毛发图像对应的含毛发版本。这样的成对数据结构非常适合训练自动毛发去除网络，使模型学习从含毛发皮肤镜图像中恢复更清晰的病变区域。
数据结构与关键特征
数据集主要包含 Data_Skin_with_Hair 和 Data_Skin_without_Hair 两个目录，分别保存添加人工毛发后的图像和对应的无毛发原始图像。两个目录下均包含 7 类皮肤病变：akiec（日光性角化病）、bcc（基底细胞癌）、bkl（良性角化病）、df（皮肤纤维瘤）、mel（黑色素瘤）、nv（黑色素细胞痣）和 vasc（血管性病变）。该数据集的核心特点是形成了明确的成对图像监督关系，既保留不同病变类别的真实皮肤纹理，又人为加入不同形态的毛发遮挡，非常适合开展图像到图像的监督学习与修复任务。
应用价值与研究方向
该数据集适合用于皮肤镜毛发去除、医学图像修复、病变区域增强、皮肤病分类预处理以及计算机辅助诊断等研究方向。算法方面可以采用 U-Net、ResUNet、Autoencoder、GAN、Pix2Pix、CycleGAN、Restormer 等图像恢复模型进行毛发去除，并通过 PSNR、SSIM、MAE 等指标评估图像恢复质量。进一步还可以研究“毛发去除 + 病变分割 + 病变分类”联合框架，分析去除毛发伪影后对黑色素瘤等皮肤病识别性能的影响，从而提升皮肤镜智能诊断系统的稳定性与准确性。
数据集来源
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-773
文件大小：14M
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)