ISIC2019皮肤病变图像伪标签患者数据集-feidawei
数据来源：互联网公开数据
标签：ISIC 2019, 皮肤病变, 图像数据, 伪标签, 病人聚类, 深度学习, 医学影像
数据概述：
本数据集基于ISIC 2019图像数据集，包含了经过伪标签处理的患者信息。原始ISIC 2019数据集是用于皮肤病变图像分析的公开数据集，本数据集则在此基础上，通过聚类算法，将图像数据按照患者进行分组，并为每个患者生成了伪标签。伪标签的生成参考了Kaggle竞赛中关于ISIC 2024挑战赛的讨论。具体生成方式和使用的notebook可在Kaggle上找到：https://www.kaggle.com/feidawei/isic-clustering-patients-2019。
数据用途概述：
该数据集适用于皮肤病变图像分析、深度学习模型训练、患者级别的分析研究等场景。研究人员可以利用此数据集进行患者级别的皮肤病变诊断模型的开发，探索不同患者病变特征的差异性，以及提升模型的泛化能力。 此外，该数据集也可用于医学影像领域的教学和研究，帮助学习者理解如何利用伪标签提高模型性能。
