皮肤病变检测数据集 | 皮肤病变 痤疮检测 皮肤健康 目标检测 YOLO格式 9278期
数据集概述
本数据集专注于皮肤表面常见病变与痘印的视觉检测与分类，服务于皮肤科辅助诊断、医疗美容及智能健康管理。数据涵盖 16 类不同的皮肤瑕疵，适配目标检测模型训练、病灶定位及自动化皮肤分析等应用。
数据集核心信息
| 数据要素 | 详细说明 |
|---|---|
| 类别 | 共16类：痤疮、痘印、黑头、粉刺、晶状粉刺、囊性粉刺、扁平疣、毛囊炎、瘢痕疙瘩、粟丘疹、丘疹、脓包、脓性粉刺、脂溢性角化、皮脂腺囊肿、白头粉刺 |
| 数量 | 1747张图像 |
| 格式 | 图像为 JPG/PNG（近距离皮肤特写）；标签为 YOLO 格式的 txt 文件（水平边界框） |
| 数据版本 | 8个版本 |
| 应用价值 | 1.辅助诊断：支撑皮肤科医生对常见皮肤病（如痤疮分类、毛囊炎）的快速识别与计数。 2.美容护肤：为智能美容设备或护肤 APP 提供皮肤状态量化评估（如痘印、黑头数量）。 3.健康管理：监测皮肤病变的进展与治疗效果，辅助患者进行自我管理。 4.算法研发：为医学影像小目标检测、细粒度分类等视觉任务提供真实场景的训练与评测数据。 |
完整类别列表（共16类）
| 序号 | 中文类别名称 | 序号 | 中文类别名称 |
|---|---|---|---|
| 1 | 痤疮 | 9 | 瘢痕疙瘩 |
| 2 | 痘印 | 10 | 粟丘疹 |
| 3 | 黑头 | 11 | 丘疹 |
| 4 | 粉刺 | 12 | 脓包 |
| 5 | 晶状粉刺 | 13 | 脓性粉刺 |
| 6 | 囊性粉刺 | 14 | 脂溢性角化 |
| 7 | 扁平疣 | 15 | 皮脂腺囊肿 |
| 8 | 毛囊炎 | 16 | 白头粉刺 |
数据三要素解析
类别与目标覆盖
- 数据集定义16类皮肤病变，涵盖了极常见的痤疮系列（黑头、白头、脓包、囊肿）以及一些需要鉴别的皮肤问题（如扁平疣、毛囊炎、脂溢性角化）。
- 类别设置非常细粒度，对模型区分相似病灶（如闭口与开口粉刺、丘疹与脓包）的能力要求极高。
- 目标在图像中呈现为不同颜色（红、白、黑）和形态（凸起、凹陷）的微小斑块，分布可能密集。
数据规模与版本
- 图像总量约1747张，规模适中，能支撑检测模型的训练。
- 数据集有8个版本，说明经过了多轮迭代和数据扩充。
- 图像多为皮肤局部特写，受肤色、光照、毛发遮挡等因素影响显著。
格式与结构
- 采用通用YOLO 格式（txt），每张图像对应一个同名标签文件，包含类别 ID 与归一化边界框坐标，可直接接入 YOLOv5、YOLOv8 等主流检测框架。
- 图像与标签一一对应，数据结构规范，便于进行训练/验证集划分与预处理集成。
知识普及：皮肤病变检测的技术要点
- 极微目标与密集场景：黑头、粉刺等病变尺寸极小，且在面部或背部区域可能极其密集。需采用高分辨率输入、多尺度特征融合或专门的小目标检测头。
- 类间相似性极高：例如“丘疹”与“脓包”的区别仅在于顶部是否有白色脓头，“白头粉刺”与“粟丘疹”外观也极为相似。模型需依赖极其细微的颜色与纹理差异进行判断。
- 肤色与光照干扰：不同人种肤色差异巨大，且日常光照（如侧光、阴影）会影响病灶的呈现。建议训练时采用丰富的色彩增强（Color Jitter）和不同光源模拟。
- 毛发与反光：皮肤表面的毛发、油脂反光可能遮挡病灶或造成误检，预处理时需考虑去噪或反光抑制。
- 应用闭环：检测结果可量化各类病灶的数量与严重程度，生成皮肤健康评分；结合时序图像对比，可追踪痤疮等疾病的治疗恢复情况。
快速开始（代码示例）
配置文件data.yaml示例：
train:./dataset/images/trainval:./dataset/images/valnc:16names:['痤疮','痘印','黑头','粉刺','晶状粉刺','囊性粉刺','扁平疣','毛囊炎','瘢痕疙瘩','粟丘疹','丘疹','脓包','脓性粉刺','脂溢性角化','皮脂腺囊肿','白头粉刺']启动 YOLOv8 训练（针对微小病灶建议采用高分辨率）：
fromultralyticsimportYOLO model=YOLO('yolov8m.pt')model.train(data='data.yaml',epochs=100,imgsz=1024,# 针对微小病变，建议提高分辨率batch=8,device=0)标签
皮肤病变痤疮检测皮肤健康目标检测YOLO格式深度学习数据集计算机视觉
