IMA++: ISIC-archief Multi-Annotator Dermoscopisch Huidlaesie Segmentatie Dataset
IMA++: ISIC Archive Multi-Annotator Dermoscopic Skin Lesion Segmentation Dataset
December 25, 2025
Auteurs: Kumar Abhishek, Jeremy Kawahara, Ghassan Hamarneh
cs.AI
Samenvatting
Multi-annotator medische beeldsegmentatie is een belangrijk onderzoeksprobleem, maar vereist geannoteerde datasets die duur zijn om te verzamelen. Dermoscopische beeldvorming van huidlaesies stelt menselijke experts en AI-systemen in staat om morfologische structuren te observeren die anders niet waarneembaar zijn vanuit reguliere klinische foto's. Er zijn echter momenteel geen grootschalige, openbaar beschikbare multi-annotator huidlaesie-segmentatie (SLS) datasets met annotator-labels voor dermoscopische beeldvorming van huidlaesies. Wij introduceren ISIC MultiAnnot++, een grote, openbare multi-annotator huidlaesie-segmentatiedataset voor afbeeldingen uit het ISIC-archief. De uiteindelijke dataset bevat 17.684 segmentatiemaskers verspreid over 14.967 dermoscopische afbeeldingen, waarbij 2.394 dermoscopische afbeeldingen 2-5 segmentaties per afbeelding hebben, wat het de grootste openbaar beschikbare SLS-dataset maakt. Verder is metadata over de segmentatie, waaronder het vaardigheidsniveau van de annotators en het gebruikte segmentatiegereedschap, opgenomen, wat onderzoek mogelijk maakt naar onderwerpen zoals annotator-specifieke voorkeursmodellering voor segmentatie en analyse van annotator-metadata. Wij bieden een analyse van de kenmerken van deze dataset, samengestelde data-partities en consensus-segmentatiemaskers.
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.