猴痘皮肤病变数据集（猴痘与非猴痘(水痘、麻疹)的二元分类数据）数据集中有3个文件夹。原始图片共有228张图片，其中102张属于“猴痘”类，其余126张代表“其他”类，即非猴痘(水痘和麻疹)病例。

近距离皮肤病图片（2713张图片） 近距离皮肤病图片（2713张图片） 近距离皮肤病图片（2713张图片）

数据集中，每个图像都有一个专用文件夹，其中包含原始的皮肤图像，分割病变的二进制掩模以及皮肤病变中出现的颜色类别的二进制掩模。

该数据适合做分类数据，适用于医学专业AI研究，皮肤病分类研究，皮肤病识别，数据一共2300多张 部分图片也可以作为目标检测数据集（需自己标注） 【9类别分别为】：光化角质病、基底细胞癌、皮肤纤维瘤、黑素瘤、痣、色素良性病、脂溢性角化病、鳞状细胞癌、血管损害。 数据多样性，数据分布均匀，常用分类算法可以拟合很好。 resnet34网络精确度可以达到98.3% 欢迎下载使用

本文对3500名大学生皮肤病的调查分析，查出16类47种皮肤病。患病率为55.45%。归纳了几种发病率较高的皮肤病：手足癣、疥疮、疖病，核黄素缺乏及口腔溃疡等。并提出了预防和治疗方面的一些看法。

黑色素检测 什么是黑色素瘤？ “黑色素瘤” ，也称为“恶性黑色素瘤” ，是一种由称为黑色素细胞的含色素细胞发展而来的癌症。 黑色素瘤通常发生在皮肤上，但很少发生在口腔，肠或眼睛中。 黑色素瘤的主要原因是皮肤色素含量低的人暴露于紫外线（UV）中。 紫外线可以来自太阳，也可以来自其他来源，例如晒黑设备。 大约25％的痣来自于痣。 在以下了解更多信息：-> 。 关于存储库- 此存储库包含用于黑色素瘤检测应用程序的源代码。 以下是“项目结构” ： . | Main.py | dataset.npz | testcase.npz | README.md |---featext |

皮肤癌 使用Pytorch进行深度学习的皮肤病变分类

兄弟们好呀，这里是肆十二，这转眼间寒假就要过完了，相信大家的毕设也要准备动手了吧，作为一名大作业区的UP主，也该蹭波热度了，之前关于图像分类和目标检测我们都出了相应的教程，所以这期内容我们搞波新的，我们用Unet来做医学图像分割。我们将会以皮肤病的数据作为示范，训练一个皮肤病分割的模型出来，用户输入图像，模型可以自动分割去皮肤病的区域和正常的区域。

警惕烂嘴角非“上火”或是皮肤病资料.pdf

系统目标层次分析方法在皮肤病防治综合评估中的应用.PDF