Mar, 2018

HAM10000 数据集：常见色素性皮肤病多源皮肤镜图像的大规模收集

PDF
TL;DR利用具有不同种族和不同获取模式的皮肤镜图像，通过不同的采集和清洗方法以及半自动工作流程和特别训练的神经网络，我们成立了 HAM10000 数据集，这个数据集由 10015 个用于学术机器学习目的的皮肤镜图像组成，覆盖养猪场多种重要诊断范畴，用于训练神经网络。
neural networksdiagnosispigmented skin lesionsham10000 datasetdermatoscopic images
发现论文，激发创造
  • BCN20000：野外皮肤镜病变

    本篇论文总结了 BCN20000 数据集，该集包含来自巴塞罗那医学中心在 2010 年至 2016 年期间拍摄的 19424 张皮肤镜检影像，旨在研究皮肤癌的非受限分类问题，包括在难以诊断的部位（指甲和黏膜），不适合镜检设备孔径的大型病变和低色素病变。BCN20000 将提供给 ISIC Challenge 2019 的参与者使用，参与者需要训练算法自动分类皮肤癌镜检影像。

    Aug, 2019

  • DERM12345：一个包含 38 个子类别的大型多源皮肤镜病变数据集

    这篇研究提供了一个多样化的数据集，包括 12,345 个高分辨率的皮肤镜图像，涵盖了 38 个皮肤病变的亚类，为皮肤病变的早期诊断提供了可靠的基础和有针对性的研究。

    Jun, 2024

  • 2018 年皮肤病变分析挑战赛：面向黑色素瘤检测的国际皮肤成像协作举办的挑战活动

    本研究总结了由国际皮肤成像协作组织（ISIC）主办的全球最大的皮肤图像分析挑战赛的结果，旨在建立皮肤图像智能分析的新标准，实验表明，当前前沿的皮肤图像智能分析仍存在诊断错误率较高的问题以及算法能力泛化差异问题，这对于卫生保健领域中的机器学习工具监管机构来说是一个重要考虑。

    Feb, 2019

  • PAD-UFES-20: 一组皮肤病变数据集，包含从智能手机采集的病人数据和临床图像

    本研究针对皮肤病变分析提出计算机辅助诊断系统，提供临床图像数据、病人临床数据以及 6 种不同皮肤病变诊断分类的数据集，以期协助临床医生进行皮肤癌的检测。

    Jul, 2020

  • 使用深度神经网络集成的自动皮肤病变分类：基于 ISIC 2018 数据集的皮肤病变分析，旨在参加黑色素瘤检测挑战

    本研究运用深度学习模型通过计算机视觉系统对皮肤镜图像进行分析和诊断，以检测黑色素瘤和恶性皮肤癌，其中测试结果表明 PNASNet-5-Large 模型具有最佳的验证得分 0.76。

    Jan, 2019

  • 一个以患者为中心的图像和元数据数据集，用于使用临床上下文识别黑色素瘤

    2020 SIIM-ISIC Melanoma Classification challenge dataset was developed to provide patient-level contextual information for dermatologists’ holistic judgment on melanoma, containing 33,126 dermoscopic images and 584 confirmed melanomas among 2,056 patients.

    Aug, 2020

  • 面部皮损分析以助于黑色素瘤检测： 由国际皮肤成像合作组织（ ISIC ）主办的 2016 年国际生物医学成像研讨会上的挑战

    本文章介绍了一项公共皮肤科图像分析挑战赛的设计与实现，其目的是支持自动诊断致命皮肤癌症麻风疹的算法的研究与开发。通过划分子挑战来分别完成图像分析任务，包括皮损分割、皮损内皮肤镜特征检测和黑色素瘤分类。最终统计共有 79 组参赛选手，38 名参赛者，是迄今为止在皮损镜下诊断黑色素瘤的最大标准化和比较研究之一。

    May, 2016

  • 通过聚类神经网络输出进行自动皮肤镜模式发现的人机交互

    通过自动的无监督聚类，可以从大型图像数据集中提取具有诊断相关性且可人工解释的视觉模式群集。

    Sep, 2023

  • SkinCAP：一种带有丰富医学描述的多模式皮肤科数据集

    介绍了 SkinCAP 多模态皮肤病数据集，由 board-certified 皮肤科医生进行了详细的医学描述和标题注释。

    May, 2024

  • 使用深度神经网络进行皮肤病变分类

    本文介绍了我们用于分类 ISIC 2019 挑战数据集皮损 dermoscopic 照片的方法和技术，我们的方法旨在使用合奏深度神经网络及其一些强大的技术来处理不平衡数据集，以提高 CNN 模型性能。

    Nov, 2019