SLICE-3D
用于皮肤癌检测的人工智能图像分类算法已显示出良好的效果。大多数公开可用的皮肤癌图像数据集由皮肤镜照片组成，这些数据集存在选择偏差、缺乏标准化等局限性，仅适用于专业临床医生使用的算法开发。本文描述的SLICE-3D数据集解决了这些问题，包含来自全球7个皮肤病中心的超过40万张各种皮肤病变图像。这些去标识化的图像是从敏感的3D全身照片中系统提取的，其光学分辨率与智能手机图像相当。当部署在初级保健或非临床环境中时，使用低质量图像训练的算法可以改善临床工作流程并更早地检测皮肤癌，这些照片由非专业医生或患者自行拍摄。此类工具可以鼓励个体寻求专业皮肤科医生的诊治。该数据集规避了先前数据集的许多固有局限性，可用于为癌症检测中的皮肤成像应用奠定基础。
pifu可视化图片
SLICE-3D_0.webp
SLICE-3D_1.png
数据集元信息
| 维度 | 2D |
| 模态 | dermoscopy |
| 任务类型 | classification |
| 解剖结构 | 皮肤 |
| 解剖区域 | 皮肤 |
| 类别数 | 2 |
| 数据量 | 401,059 |
| 文件格式 | JPG |
文件结构
SLICE-3D/
├── train-image
├── train-image.hdf5
├── train-metadata.csv
├── sample_submission.csv
├── test-metadata.csv
├── ISIC_2024_Training_Supplement.csv图像尺寸统计
| 统计类型 | 间距 (mm) | 尺寸 |
|---|---|---|
| 最小值 | - |
- |
| 中位值 | - |
(133, 133) |
| 最大值 | - |
- |
引用
@article{kurtansky2024slice,
title={The SLICE-3D dataset: 400,000 skin lesion image crops extracted from 3D TBP for skin cancer detection},
author={Kurtansky, Nicholas R and D’Alessandro, Brian M and Gillis, Maura C and Betz-Stablein, Brigid and Cerminara, Sara E and Garcia, Rafael and Girundi, Marcela Alves and Goessinger, Elisabeth Victoria and Gottfrois, Philippe and Guitera, Pascale and others},
journal={Scientific Data},
volume={11},
number={1},
pages={884},
year={2024},
publisher={Nature Publishing Group UK London}
}