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

开发了由皮肤科医生密集注释的皮肤病 数据库 SkinCon， 其中包括 3230 张皮肤病图像， 使用 48 个临床概念的概念元标签进行注释， 为 AI 皮肤病模型的错误调试提供了潜在应用。

Feb, 2023

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。

Mar, 2018

通过最大化不同视角下的镜检和临床图像之间的相似性，聚类分析生成模拟的伪多标签以及利用标签关系来改善多模态皮肤病变分类的自监督学习算法比其他现有自监督学习算法在七点皮肤病变数据集上获得了更好的性能。

Oct, 2023

人类语义相关且医学领域精确的元标签在皮肤病学中的 AI 分类模型培训中十分稀缺，CLIP 模型可通过利用互联网上的大量图像 - 标题对进行零样本学习以解决数据缺乏的问题，并可以通过使用领域特定的图像 - 标题对对其进行微调来提高分类性能。

Apr, 2024

通过整合智能手机拍摄的图像与临床和人口统计信息，将多模态方法引入皮肤病变分类的诊断过程中，通过辅助任务的超分辨率图像预测组成，提高特征提取和类别区分的能力，并展示了在资源匮乏的医疗环境中应用此方法的有效性。

Feb, 2024

人脸皮肤图像可用于属性分类、如年龄、种族和性别；引入了一个名为 FaceSkin 的数据集，包含各种年龄和种族的人脸图像并评估了其在属性分类、人脸反欺骗和年龄估计等各种下游任务中的有效性。

Aug, 2023

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

基于视觉语言模型的嵌入学习策略可以在皮肤病诊断中减少对大量概念标注样本的依赖，提高准确性，并且比自动生成概念的特定方法所需的概念标注样本数量更少。

Nov, 2023

本文介绍了一种基于视觉和大型语言模型的皮肤科诊断系统 SkinGPT，可以自动诊断皮肤病的特征和类别，并提供治疗建议，实现了本地部署和用户隐私保护。

Apr, 2023