ahmedesmail16/Train-Test-Augmentation-V3

---
dataset_info:
features:
- name: image
dtype: image
- name: label
dtype:
class_label:
names:
'0': Abnormal
'1': Erythrodermic
'2': Guttate
'3': Inverse
'4': Nail
'5': Normal
'6': Not Define
'7': Palm Soles
'8': Plaque
'9': Psoriatic Arthritis
'10': Pustular
'11': Scalp
splits:
- name: train
num_bytes: 88087912.505
num_examples: 3635
- name: validation
num_bytes: 39867177.604
num_examples: 1771
- name: test
num_bytes: 38991420.552
num_examples: 1792
download_size: 163704288
dataset_size: 166946510.661
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

数据集信息：
特征字段：
- 名称：image（图像），数据类型：图像
- 名称：label，数据类型：类别标签（class_label），类别映射如下：
'0': 异常（Abnormal）
'1': 红皮病型（Erythrodermic）
'2': 点滴型（Guttate）
'3': 反向型（Inverse）
'4': 甲部（Nail）
'5': 正常（Normal）
'6': 未定义（Not Define）
'7': 掌跖型（Palm Soles）
'8': 斑块型（Plaque）
'9': 银屑病关节炎（Psoriatic Arthritis）
'10': 脓疱型（Pustular）
'11': 头皮型（Scalp）
数据集拆分：
- 拆分名称：训练集（train），数据字节数：88087912.505，样本数量：3635
- 拆分名称：验证集（validation），数据字节数：39867177.604，样本数量：1771
- 拆分名称：测试集（test），数据字节数：38991420.552，样本数量：1792
下载大小：163704288
数据集总存储大小：166946510.661
配置项：
- 配置名称：default（默认配置），对应数据文件：
- 拆分：训练集（train），文件路径：data/train-*
- 拆分：验证集（validation），文件路径：data/validation-*
- 拆分：测试集（test），文件路径：data/test-*

原始信息汇总

数据集概述

数据集特征

• image: 图像数据类型。
• label: 类别标签数据类型，包含以下类别：
  • 0: Abnormal
  • 1: Erythrodermic
  • 2: Guttate
  • 3: Inverse
  • 4: Nail
  • 5: Normal
  • 6: Not Define
  • 7: Palm Soles
  • 8: Plaque
  • 9: Psoriatic Arthritis
  • 10: Pustular
  • 11: Scalp

数据集划分

• train: 训练集，包含3635个样本，总大小为88087912.505字节。
• validation: 验证集，包含1771个样本，总大小为39867177.604字节。
• test: 测试集，包含1792个样本，总大小为38991420.552字节。

数据集大小

• 下载大小: 163704288字节。
• 数据集总大小: 166946510.661字节。

数据文件配置

• config_name: default
• data_files:
  • split: train, path: data/train-*
  • split: validation, path: data/validation-*
  • split: test, path: data/test-*

搜集汇总

数据集介绍

构建方式

银屑病是一种常见的慢性炎症性皮肤病，其亚型多样且临床表现复杂，精准的医学影像数据集对于辅助诊断模型的训练至关重要。该数据集名为“Train-Test-Augmentation-V3”，其构建基于对皮肤影像的精细分类与扩充。数据集中图像被标注为12个类别，涵盖Abnormal、Erythrodermic、Guttate、Inverse、Nail、Normal、Not Define、Palm Soles、Plaque、Psoriatic Arthritis、Pustular及Scalp，每个标签均对应银屑病的一种特定表现或状态。数据集划分为训练集、验证集和测试集，分别包含3635、1771和1792张图像，总大小约167 MB。通过这种结构化的划分与增强处理，为模型提供了均衡且丰富的学习样本。

特点

该数据集最显著的特点在于其细粒度的类别划分与明确的临床相关性。不同于常规的二分类皮肤病数据集，它涵盖了银屑病的11种亚型及正常皮肤，包括指（趾）甲、头皮、掌跖等特殊部位的表现，以及红皮病型、脓疱型等严重亚型。这种多样性使模型能够学习到不同病变形态间的细微差异。此外，数据集内置了“Not Define”类别，用于容纳不确定或边界模糊的样本，增强了数据集的鲁棒性和实用性。训练、验证、测试三部分比例合理，有助于防止过拟合并客观评估模型泛化能力。

使用方法

使用该数据集时，研究者可通过HuggingFace的datasets库直接加载，利用其内置的default配置自动读取train、validation和test三个分片的数据。每张图像以PIL Image格式提供，标签为整数索引，对应预定义的类别名称列表。在模型训练前，建议对图像进行标准化和尺寸统一处理，例如调整至224×224像素并应用ImageNet均值和标准差。由于类别间样本数量可能存在不均衡，推荐在训练过程中采用加权采样或数据增强策略，以提升模型对罕见亚型的识别能力。评估时，可依据验证集和测试集的分类准确率、F1分数等指标衡量性能。

背景与挑战

背景概述

银屑病是一种慢性、复发性、炎症性皮肤病，其临床表现多样，包括斑块状、点滴状、红皮病型等多种亚型，准确识别不同亚型对于临床诊疗至关重要。在此背景下，数据集ahmedesmail16/Train-Test-Augmentation-V3应运而生，由研究团队于近期构建并发布，旨在利用深度学习技术推动银屑病亚型的自动化分类。该数据集涵盖了从正常皮肤到银屑病关节炎、脓疱型等12个细分类别，共计7198张经过增强处理的皮肤图像，为相关领域的研究者提供了高质量的标注资源。其构建不仅解决了银屑病亚型分类中数据稀缺的问题，也为计算机辅助诊断系统在皮肤科的应用奠定了坚实基础，对推动精准医疗与医学影像分析的发展具有显著影响力。

当前挑战

当前数据集面临的核心挑战在于银屑病亚型间视觉特征的相似性与类内多样性。例如，斑块状与点滴状皮损在早期阶段可能难以区分，而红皮病型与正常皮肤在炎症轻微时也存在模糊边界，这要求模型具备极强的细粒度特征提取能力。此外，数据集中“Not Define”类别的存在反映了临床实践中部分病例难以归类的现实困境，增加了模型学习的噪声。在构建过程中，图像采集环境的光照、角度差异以及患者肤色、皮损部位的不同，导致数据分布存在偏差，数据增强虽缓解了部分问题，但如何确保模型在不同真实临床场景下的泛化能力仍是一大瓶颈。同时，类别间样本数量不均衡（如Pustular类可能少于Plaque类）也需通过更先进的采样或损失函数设计来应对。

常用场景

经典使用场景

该数据集专为银屑病及其相关皮肤病变的细粒度图像分类任务而设计，涵盖了从正常皮肤到多种银屑病亚型（如斑块型、脓疱型、红皮病型等）的12个类别。研究者可基于此数据集训练深度学习模型，实现对皮肤病灶图像的高精度自动识别，尤其适用于多类别不平衡场景下的鲁棒分类研究。其经典使用场景包括构建基于卷积神经网络或视觉Transformer的皮肤疾病诊断模型，以及评估数据增强策略在医学图像分类中的有效性。

实际应用

在实际应用中，该数据集可部署于远程医疗平台或皮肤科门诊辅助诊断系统，帮助医生快速区分银屑病的不同亚型，如区分寻常型银屑病与关节病型银屑病的皮肤表现。它还可用于开发移动端皮肤自检工具，使患者能够初步评估自身症状并获取就医建议。此外，在药物疗效评估场景中，基于该数据集的模型可量化治疗前后皮损类型的变化，为临床试验提供客观的影像学评价指标，从而提升皮肤病诊疗的标准化水平。

衍生相关工作

该数据集衍生了一系列经典工作，包括针对银屑病亚型分类的注意力机制网络改进、基于对比学习的半监督分类框架，以及融合临床元数据（如病灶部位、病程）的多模态诊断模型。研究者还利用该数据集验证了生成对抗网络在医学图像增强中的效果，并提出了专门针对皮肤镜图像的颜色校正与去噪方法。此外，该数据集被用于跨数据集迁移学习研究，探索将银屑病分类知识迁移至其他皮肤疾病（如湿疹、真菌感染）的可行性，推动了皮肤病通用诊断模型的发展。