数据集概述
该数据集是基于ISIC19训练子集创建的不规则掩码数据集，包含四百九十八个黑色素瘤病灶的标注文件。文件命名关联ISIC19图像ID及标注者/验证者后缀，用于支持基于深度学习的黑色素瘤自动诊断研究，是《Improving Automatic Melanoma Diagnosis using Deep Learning-based Segmentation of Irregular Networks》一文的研究数据。
文件详解
- 掩码图像文件:
- 文件示例: ISIC_0024958.tiff、ISIC_0057898_wvs.tiff、ISIC_0013411_downsampled_wvs.tiff等
- 文件格式: 主要为TIFF格式（四百九十七个文件，占比约百分之九十九点八），包含一个JPG格式文件（占比约百分之零点二）
- 命名规则: 以ISIC19图像ID为核心，后缀包含标注者/验证者标识（如wvs）或下采样处理标识（如downsampled）
数据来源
基于ISIC19数据集构建，其原始数据来源包括：
- BCN_20000 Dataset: Department of Dermatology, Hospital Clínic de Barcelona
- HAM10000 Dataset: ViDIR Group, Department of Dermatology, Medical University of Vienna
- MSK Dataset: Anonymous
适用场景
- 医学图像处理研究: 用于训练和验证黑色素瘤病灶的分割模型
- 深度学习算法开发: 支持基于不规则网络的病灶分割算法优化
- 皮肤癌辅助诊断研究: 为黑色素瘤自动诊断系统提供标注数据支持
- 医学影像标注方法评估: 可用于验证病灶掩码标注的一致性与准确性
