智能医学检测皮肤疾病分类数据集数据集统计汇总数据集总类别数量7数据集全部图片总数量10528数据集包含所有图像尺寸[(640, 640)]各类别明细类别名称 - 图像数量Actinic_Keratosis - 光化性角化病1399 张Eczema - 湿疹1590 张Moles - 色素痣613 张Psoriasis - 银屑病牛皮癣1375 张Tinea - 皮肤癣菌病1520 张Unknown_Normal - 正常健康皮肤2822 张Vitiligo - 白癜风1209 张一、数据集信息表格1.1 基础信息表项目详情数据集名称皮肤疾病分类数据集总图像数量10528 张图像尺寸640×640类别总数7 类任务类型图像分类、皮肤病症识别1.2 类别明细序号英文类别名中文类别名图像数量0Actinic_Keratosis光化性角化病13991Eczema湿疹15902Moles色素痣6133Psoriasis银屑病牛皮癣13754Tinea皮肤癣菌病15205Unknown_Normal正常健康皮肤28226Vitiligo白癜风12091.3 类别名称列表names[Actinic_Keratosis,Eczema,Moles,Psoriasis,Tinea,Unknown_Normal,Vitiligo]二、应用场景医疗辅助诊断基层门诊、线上问诊平台辅助医护人员快速初步判别皮肤病症。智能医疗设备皮肤检测仪器、便携式筛查终端集成算法现场自动分类识别。医学AI研发皮肤影像分类算法训练、模型迭代、学术研究与教学实训。线上健康筛查小程序、APP 上传照片自查皮肤状态区分病症与正常皮肤。皮肤病大数据分析病症样本统计、病种分布研究助力公共卫生调研。三、YOLOv11 分类任务训练代码3.1 环境依赖安装pipinstallultralytics opencv-python numpy torch3.2 数据集目录结构分类标准格式skin_dataset/ ├── Actinic_Keratosis/ ├── Eczema/ ├── Moles/ ├── Psoriasis/ ├── Tinea/ ├── Unknown_Normal/ └── Vitiligo/3.3 训练代码train_skin_cls.pyfromultralyticsimportYOLOdeftrain_skin_classify():# 加载YOLOv11模型用于分类任务modelYOLO(yolov11n-cls.yaml)# 开始训练model.train(data./skin_dataset,epochs80,imgsz640,batch16,device0,# 无GPU改为 devicecpuworkers4,patience15,ampTrue,projectruns/train,nameskin_disease_cls,exist_okTrue)print(训练完成模型已保存)if__name____main__:train_skin_classify()3.4 分类推理测试代码predict_skin.pyfromultralyticsimportYOLO# 加载训练完成的模型权重modelYOLO(runs/train/skin_disease_cls/weights/best.pt)# 单张图片推理resultsmodel(test_skin.jpg,saveTrue)# 文件夹批量推理# results model(./test_images/, saveTrue)print(检测完成结果已保存)