咬伤与皮肤病变图像数据集

咬伤与皮肤病变图像数据集是一个专为多模态分类研究设计的医学图像数据集，包含蛇咬伤、蜘蛛咬伤、蝎子蜇伤、昆虫叮咬以及非咬伤类皮肤病变的图像数据。该数据集涵盖五个明确的类别，旨在支持临床皮肤病变鉴别诊断、毒物学医学图像识别以及急诊医学决策支持系统的开发。数据集已应用于结合视觉 Transformer（ViT）和 BERT 的多模态深度学习框架研究，展示了其在医学图像分类任务中的实用价值。通过提供多种类型的咬伤和非咬伤皮肤病变图像，该数据集为开发智能皮肤病变识别系统、毒物咬伤快速诊断工具以及跨模态医学图像分析模型提供了重要的训练和验证资源。

数据集简介

数据集概述

数据集按照致伤因素和病变类型组织为五个主要类别，每个类别具有独特的临床特征和视觉表现。蛇咬伤（Snake） 类别包含蛇类咬伤造成的皮肤损伤图像，通常表现为牙痕、肿胀、出血和组织坏死特征；蜘蛛咬伤（Spider） 类别记录蜘蛛叮咬引起的局部反应，可能包括红肿、水疱和坏死性病变；蝎子蜇伤（Scorpion） 类别捕捉蝎子螫刺造成的皮肤表现，通常伴有明显疼痛和局部炎症反应；昆虫叮咬（Insect） 类别涵盖各类昆虫（如蚊虫、蜜蜂、黄蜂等）叮咬引起的皮肤反应，表现多样；非咬伤皮肤病变（Non-bite Skin Lesion） 类别作为对照组，包含其他类型的皮肤病变图像，用于训练模型区分咬伤与非咬伤性皮肤问题。这种多类别架构使数据集能够支持细粒度的咬伤类型识别以及咬伤与非咬伤病变的鉴别诊断任务。

该数据集为多个临床和研究应用提供支撑，包括急诊科皮肤病变快速诊断、毒物咬伤自动识别、远程医疗咨询辅助决策、野外医疗应急响应以及多模态医学图像分类研究。研究人员已成功将该数据集应用于视觉 Transformer（ViT）与 BERT 结合的多模态分类框架，证明了深度学习技术在皮肤病变识别中的有效性。数据集适用于开发基于计算机视觉的皮肤病变筛查系统、构建咬伤类型预测模型、训练迁移学习算法以及设计智能手机应用程序进行现场咬伤识别。通过支持咬伤与非咬伤病变的自动鉴别，该数据集有助于缩短诊断时间、提高诊断准确率、指导早期治疗干预并降低误诊风险，特别是在缺乏专业毒物学知识的基层医疗环境或偏远地区具有重要的临床应用价值。

数据集来源

该数据集收集了蛇、蜘蛛、蝎子、昆虫咬伤以及非咬伤类皮肤病变的医学图像，专为多模态分类研究而构建，已应用于结合视觉 Transformer（ViT）和 BERT 的医学图像分类框架研究。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-52
文件大小：15M
原创声明：本数据集为整理作品