皮肤病变Grad-CAM解释数据集-尧图网络科技

摘要：本数据集源自公开的HAM10000皮肤镜图像集，专为开发可解释的皮肤病变识别系统而精心构建。研究团队从原始数据集中精选了347张高质量图像，涵盖七个重要的皮肤病诊断类别，包括光化性角化病/上皮内癌（AKIEC）、基底细胞癌（BCC）、良性角化病变（BKL）、皮肤纤维瘤（DF）、黑色素瘤（MEL）、色素痣（NV）和血管病变（VASC），每个类别约包含50个样本，确保了类别分布的相对均衡。

数据集简介

数据集概述

数据集采用多模态标注方式，为每张图像配备了丰富的解释性资源。首先使用训练好的卷积神经网络模型生成Grad-CAM++可视化热图，直观展示模型关注的病变关键区域。随后，三位经验丰富的医学专家对每个病例进行了细致审查，针对热图突出显示的病变区域，提供了基于皮肤病理形态学的简明文本描述。这种结合深度学习可解释性技术与临床专家知识的标注方式，使数据集成为连接人工智能模型决策过程与医学临床实践的桥梁。

该数据集为皮肤科人工智能领域的多个前沿研究方向提供了宝贵资源。其独特的图像-热图-文本三元组结构特别适用于视觉-语言模型（VLM）的微调训练，可用于开发能够同时理解医学图像并生成临床解释的智能系统。此外，数据集在多模态推理、模型可解释性评估、医学AI信任度提升等研究领域具有重要应用价值，有助于推动可解释、可信赖的皮肤科诊断辅助系统的发展。