IMA++: Archivio ISIC Dataset Multi-Annotatore per la Segmentazione di Lesioni Cutanee Dermoscopiche
IMA++: ISIC Archive Multi-Annotator Dermoscopic Skin Lesion Segmentation Dataset
December 25, 2025
Autori: Kumar Abhishek, Jeremy Kawahara, Ghassan Hamarneh
cs.AI
Abstract
La segmentazione di immagini mediche con annotatori multipli è un importante problema di ricerca, ma richiede dataset annotati che sono costosi da raccogliere. L'imaging dermatoscopico delle lesioni cutanee consente a esperti umani e sistemi di intelligenza artificiale di osservare strutture morfologiche che altrimenti non sarebbero discernibili dalle normali fotografie cliniche. Tuttavia, attualmente non esistono dataset di segmentazione delle lesioni cutanee (SLS) pubblicamente disponibili su larga scala, con annotazioni multiple per immagini dermatoscopiche, che includano le etichette dei singoli annotatori. Presentiamo ISIC MultiAnnot++, un ampio dataset pubblico per la segmentazione multi-annotatore di lesioni cutanee, basato su immagini provenienti dall'Archivio ISIC. Il dataset finale contiene 17.684 maschere di segmentazione relative a 14.967 immagini dermatoscopiche, di cui 2.394 immagini presentano da 2 a 5 segmentazioni ciascuna, rendendolo il più grande dataset SLS pubblicamente disponibile. Inoltre, sono inclusi metadati relativi alla segmentazione, come il livello di competenza degli annotatori e lo strumento di segmentazione utilizzato, consentendo ricerche su temi quali la modellizzazione delle preferenze specifiche dell'annotatore per la segmentazione e l'analisi dei metadati degli annotatori. Forniamo un'analisi delle caratteristiche di questo dataset, partizioni di dati curate e maschere di segmentazione di consenso.
English
Multi-annotator medical image segmentation is an important research problem, but requires annotated datasets that are expensive to collect. Dermoscopic skin lesion imaging allows human experts and AI systems to observe morphological structures otherwise not discernable from regular clinical photographs. However, currently there are no large-scale publicly available multi-annotator skin lesion segmentation (SLS) datasets with annotator-labels for dermoscopic skin lesion imaging. We introduce ISIC MultiAnnot++, a large public multi-annotator skin lesion segmentation dataset for images from the ISIC Archive. The final dataset contains 17,684 segmentation masks spanning 14,967 dermoscopic images, where 2,394 dermoscopic images have 2-5 segmentations per image, making it the largest publicly available SLS dataset. Further, metadata about the segmentation, including the annotators' skill level and segmentation tool, is included, enabling research on topics such as annotator-specific preference modeling for segmentation and annotator metadata analysis. We provide an analysis on the characteristics of this dataset, curated data partitions, and consensus segmentation masks.