本研究构建了一个涵盖六个类别的皮肤病图像数据集，经过数据清洗与筛选，类别分布较为均衡，包含常见的良性病变和典型的恶性肿瘤，能够较全面地反映临床实际情况。数据集包括日光性角化病、特应性皮炎、皮肤纤维瘤、色素痣、黑色素瘤和鳞状细胞癌，其中良性病变与恶性肿瘤的样本比例合理。该数据集为后续基于YOLOv8的皮肤病灶检测与分类模型训练提供了坚实的基础，具有重要的临床应用价值。
数据集信息
编号：Dataset-2
大小：881M
整理：Bob
数据集概览
数据类型：
表1 数据类型与格式
数据规模：
（1）数据集划分直方图
图1 数据集划分直方图
表2 数据集划分与规模
（2）数据集划分饼图
图2 数据集划分饼图
表3 数据集比例及作用
任务类型：
表4 任务类型说明
数据集类别
表5 类别定义
数据集来源
表6 数据集来源与说明
数据集用途
本数据集可用于：
（1）皮肤病检测与分类模型训练（YOLOv8等深度学习模型）。
（2）临床辅助诊断（皮肤病病变检测与区域分析）。
（3）算法性能对比（Benchmark测试与对比实验）。
（4）教学与科研（医学影像与AI课程实验数据）。
数据集须知
（1）类别不平衡：恶性病变样本较少，需考虑类别权重或使用Dice/Focal Loss优化。
（2）图像格式：JPG/PNG格式，缺少原始CT定量信息，适合病变检测与分类。
（3）匿名化处理：已去除隐私信息，确保数据安全。
数据集性能
训练与验证性能曲线：
图3 YOLOv8 模型训练与验证性能曲线
这张图展示了训练和验证过程中，多个指标（如损失函数和精度）随迭代次数的变化趋势，曲线平滑且表现出明显的收敛性，表明模型在训练过程中逐步优化，并且在验证集上也取得了较好的效果。
精确率-召回率曲线（Box与Mask）：
图4 PR曲线
这张精度-召回曲线（Precision-Recall Curve）展示了各个皮肤病类别（如日光性角化病、特应性皮炎等）在不同召回率下的精度，所有类别的精度值都接近1，表明模型在各个类别上表现非常优秀，总体mAP@0.5为0.992。
混淆矩阵与归一化混淆矩阵：
图5 混淆矩阵
这张混淆矩阵显示了模型在皮肤病分类任务中的表现，大部分预测都正确，且各个类别之间的混淆较少，表明模型具有较高的准确性，尤其在区分不同类型的皮肤病时表现优秀。
训练数据可视化
图6 训练与验证数据可视化对比
这张图展示了训练样本和验证样本的可视化，左侧是训练集图像，右侧是验证集图像，并标注了相应的皮肤病类型（如皮肤纤维瘤、鳞状细胞癌等），有助于理解模型如何学习并检测不同类型的皮肤病。
联系我们
官方声明
（1）实验环境真实性与合规性声明：
本研究所使用的硬件与软件环境均为真实可复现的配置，未采用虚构实验平台或虚拟模拟环境。实验平台为作者自主购买的惠普（HP）暗影精灵 10 台式整机，具体硬件参数详见表。软件环境涵盖操作系统、开发工具、深度学习框架等，具体配置详见表，所有软件组件均来源于官方渠道或开源社区，并按照其许可协议合法安装与使用。
研究过程中严格遵循学术诚信和实验可复现性要求，确保所有实验数据、训练过程与结果均可在相同环境下被重复验证，符合科研规范与工程实践标准。
（2）版权声明：
本算法改进中涉及的文字、图片、表格、程序代码及实验数据，除特别注明外，均由2zcode.Bob独立完成。未经2zcode官方书面许可，任何单位或个人不得擅自复制、传播、修改、转发或用于商业用途。如需引用本研究内容，请遵循学术规范，注明出处，并不得歪曲或误用相关结论。
本研究所使用的第三方开源工具、框架及数据资源均已在文中明确标注，并严格遵守其相应的开源许可协议。使用过程中无违反知识产权相关法规，且全部用于非商业性学术研究用途。
评论(0)