DERM12345: A Large, Multisource Dermatoscopic Skin Lesion Dataset with 38 Subclasses

皮肤病变数据集提供了解各种皮肤状况和开发有效诊断工具所必需的信息。它们有助于基于人工智能的皮肤癌早期检测，促进治疗计划的制定，并有助于医学教育和研究。已发布的大型数据集部分涵盖了皮肤病变的子分类。这种限制凸显了需要更广泛和多样化的数据集，以减少错误预测，并帮助改善皮肤病变的失败分析。本研究提供了一个多样化的数据集，包括12,345张皮肤镜图像，涵盖了土耳其收集的38个皮肤病变子类，包括欧亚过渡地带的不同皮肤类型。每个子组包含高分辨率的照片和专家注释，为未来的研究提供了强大可靠的基础。本研究提供的每个子组的详细分析有助于有针对性的研究，并增强了对皮肤病变的深度理解。该数据集通过5个超类、15个主类、38个子类和12,345个高分辨率皮肤镜图像的多样化结构脱颖而出。

本论文旨在提供一个包含38个皮肤病亚类别的多样化皮肤病数据集，以帮助人工智能早期检测皮肤癌、促进治疗规划、医学教育和研究。

本论文提供了一个包含多个亚类别的皮肤病数据集，提供了高分辨率的图像和专家注释，为未来的研究提供了可靠的基础。

本论文的数据集包含5个超类别、15个主类别、38个亚类别和12,345张高分辨率皮肤镜图像。数据集的多样性和详细的子组分析有助于深入了解皮肤病。本论文还提供了实验设计和数据集的详细信息。

在这个领域中，最近还有其他相关研究，例如：《Skin Lesion Analysis Towards Melanoma Detection: A Challenge at the International Symposium on Biomedical Imaging (ISBI) 2016》、《Dermatologist-level classification of skin cancer with deep neural networks》等。