|
Download README.md from FernandoTerrazas/IACancer: direct link, hf CLI and curl.
- Browser
- Download file 3.9 kB
-
https://huggingface.co/datasets/FernandoTerrazas/IACancer/resolve/main/README.md
- Command line
-
hf download hf://datasets/FernandoTerrazas/IACancer/README.md
-
curl -L -o README.md https://huggingface.co/datasets/FernandoTerrazas/IACancer/resolve/main/README.md
3.9 kB
| license: cc-by-nc-sa-4.0 | |
| task_categories: | |
| - image-classification | |
| - image-segmentation | |
| tags: | |
| - medical | |
| - dermatology | |
| - skin-cancer | |
| - melanoma | |
| - bcc | |
| - ak | |
| - unet | |
| - ham10000 | |
| size_categories: | |
| - 10K<n<100K | |
| # IACancer - Skin Lesion Classification & Segmentation Dataset | |
| Este repositorio contiene conjuntos de datos para el entrenamiento, validación y evaluación de modelos de Deep Learning enfocados en la detección, clasificación y segmentación de lesiones cutáneas (cáncer de piel). | |
| ## 📁 Estructura del Repositorio | |
| El dataset está empaquetado en archivos comprimidos (`.tar.gz`) para una descarga rápida y eficiente, junto con los archivos de metadatos en formato `.csv` accesibles directamente: | |
| ```text | |
| FernandoTerrazas/IACancer/ | |
| ├── README.md # Ficha técnica y documentación del dataset | |
| ├── HAM10000_metadata.csv # Metadatos clínicos de HAM10000 (edad, sexo, diagnóstico, localización) | |
| ├── hmnist_28_28_L.csv # Representaciones preprocesadas 28x28 escala de grises | |
| ├── hmnist_8_8_RGB.csv # Representaciones preprocesadas 8x8 RGB | |
| ├── hmnist_8_8_L.csv # Representaciones preprocesadas 8x8 escala de grises | |
| ├── Oficial.tar.gz # Imágenes originales clasificadas por patología (AK, BCC, MEL) | |
| ├── Oficial_Mascaras.tar.gz # Máscaras binarias asociadas a las imágenes originales | |
| ├── Oficial_Segmentado.tar.gz # Imágenes segmentadas aplicando las máscaras | |
| ├── Oficial_UNet_Segmentado.tar.gz # Segmentaciones generadas mediante modelo U-Net | |
| ├── Oficial_Modelo1_Imagenes.tar.gz # Colección completa de imágenes HAM10000 (part_1 y part_2) | |
| └── Oficial_Modelo1_Segmentado.tar.gz # 10,015 máscaras de segmentación de lesiones HAM10000 | |
| ``` | |
| --- | |
| ## 🏷️ Clases Diagnósticas | |
| Para los subconjuntos clasificados (`Oficial`, `Oficial_Mascaras`, `Oficial_Segmentado`, `Oficial_UNet_Segmentado`): | |
| | Etiqueta | Nombre Clínico | Descripción | | |
| | :---: | :--- | :--- | | |
| | **AK** | Queratosis Actínica / CEC in situ | Lesión premaligna común originada por daño solar acumulado. | | |
| | **BCC** | Carcinoma Basocelular | El tipo más frecuente de cáncer de piel, de crecimiento lento. | | |
| | **MEL** | Melanoma | Neoplasia maligna de melanocitos, de alto potencial metastásico. | | |
| --- | |
| ## 🚀 Cómo Descargar y Usar en Python | |
| ### 1. Descargar y extraer un conjunto específico | |
| ```python | |
| import tarfile | |
| from huggingface_hub import hf_hub_download | |
| # Descargar el archivo comprimido deseado | |
| archive_path = hf_hub_download( | |
| repo_id="FernandoTerrazas/IACancer", | |
| filename="Oficial.tar.gz", | |
| repo_type="dataset" | |
| ) | |
| # Extraer el contenido en la carpeta local './data' | |
| with tarfile.open(archive_path, "r:gz") as tar: | |
| tar.extractall(path="./data") | |
| print("Dataset extraído exitosamente en ./data/Oficial") | |
| ``` | |
| ### 2. Descargar todos los conjuntos del repositorio | |
| ```python | |
| from huggingface_hub import snapshot_download | |
| import tarfile | |
| from pathlib import Path | |
| # Descargar el repositorio completo | |
| local_dir = Path("./downloaded_dataset") | |
| snapshot_download( | |
| repo_id="FernandoTerrazas/IACancer", | |
| repo_type="dataset", | |
| local_dir=local_dir | |
| ) | |
| # Extraer todos los archivos .tar.gz | |
| for tar_file in local_dir.glob("*.tar.gz"): | |
| print(f"Extrayendo {tar_file.name}...") | |
| with tarfile.open(tar_file, "r:gz") as tar: | |
| tar.extractall(path=local_dir) | |
| ``` | |
| --- | |
| ## 🔬 Citación y Reconocimientos | |
| Este conjunto incluye datos del repositorio **HAM10000** (*"Human Against Machine with 10000 training images"*): | |
| - Tschandl, P., Rosendahl, C. & Kittler, H. The HAM10000 dataset, a large collection of multi-source dermatoscopic images of common pigmented skin lesions. *Sci Data* 5, 180161 (2018). https://doi.org/10.1038/sdata.2018.161 | |