本数据集包含五类宠物皮肤病影像样本：湿性皮炎、脓疱病、脂溢性皮炎、皮肤肿瘤和酵母菌感染。旨在构建高精度的图像分类模型，实现对宠物皮肤病状态的自动识别与判定。通过对大量标注清晰的宠物皮肤病影像进行深度学习训练，模型能够自动提取皮肤组织的关键特征，区分不同类型的皮肤病变，从而为临床提供辅助诊断依据。该数据集的建立旨在推动深度学习与人工智能技术在宠物皮肤病早期筛查与智能诊断中的应用，助力实现宠物医疗影像分析的标准化与智能化。
数据集概览
数据图像：
图1 样本图像
数据类型：
表1 数据类型与格式
数据规模：
（1）数据集划分饼图
图2 数据集划分饼图
（2）数据集划分和规模
表2 数据集划分和规模
数据集类别
表3 类别定义
数据集来源
表4 数据集来源与说明
数据集用途
本数据集用于宠物皮肤病影像的分类模型训练与验证，包含五类样本：湿性皮炎（Hot spot）、脓疱病（Impetigo）、脂溢性皮炎（Seborrhea）、皮肤肿瘤（Skin tumor）和酵母菌感染（Yeast infection）。可应用于以下研究与开发方向：
（1）模型训练：支持基于深度学习的图像分类模型（如ResNet50、VGG16、Swin Transformer）进行宠物皮肤病影像特征学习。
（2）性能评估：用于测试模型在宠物皮肤病分类任务中的准确率、召回率、F1值等性能指标。
（3）特征分析：研究不同皮肤病影像在纹理、形态及组织结构等方面的特征差异。
（4）系统开发：为宠物皮肤病智能诊断系统、医学影像辅助诊断平台及健康筛查系统提供数据支持。
数据集须知
（1）数据来源：基于公开的宠物皮肤病影像数据集，仅限科研与教学用途。
（2）数据结构：包含训练集与测试集，分为五类样本（湿性皮炎、脓疱病、脂溢性皮炎、皮肤肿瘤、酵母菌感染）。
（3）文件格式：图像文件为.jpg格式，文件命名与类别严格对应。
（4）使用要求：需遵守宠物医学影像数据隐私与伦理保护相关规定，引用时须注明数据来源。
（5）适用范围：适用于宠物皮肤病影像识别、分类、特征提取及智能诊断系统研究。
数据集性能
训练与验证准确率和损失曲线：
图3 训练与验证准确率和损失曲线线
该图展示了模型在训练和验证过程中的准确率与损失变化。训练准确率在初期迅速提升并趋于稳定，验证准确率虽整体上升但略有波动，说明模型在训练集上拟合良好，但在验证集上存在一定的过拟合趋势。训练损失在前期急剧下降后趋于平稳，而验证损失下降较慢并保持在较低水平，表明模型具有较好的学习能力但泛化性能仍需优化。
混淆矩阵热力图：
图4 混淆矩阵热力图
该图是一个混淆矩阵的热图，显示了模型在分类任务中的表现。每个单元格表示模型预测标签与实际标签的匹配情况，数字越接近1，说明模型的预测越准确。从图中可以看到，所有类别（如Hot spot、Impetigo、Seborrhea、Skin tumor、Yeast infection）都准确地分类，没有发生任何错误分类。每个类别的对角线上的值为1，表示模型完美地预测了每个类别，验证了模型的高准确率。
各类认知障碍的分类性能评估：准确率、精确率、召回率与F1分数图
图5 各类认知障碍的分类性能评估：准确率、精确率、召回率与F1分数图
这张图展示了模型在不同评估指标上的表现，包括准确率、精确度、召回率和F1分数。所有指标均为1.00，表明模型在每个类别上的表现均达到了完美水平。准确率为1.00，说明模型在所有类别上的总体分类准确性极高；精确度为1.00，表明预测为某一类别的样本几乎全部正确；召回率同样为1.00，意味着模型没有漏掉任何一个类别的样本；F1分数为1.00，显示了模型在精确度与召回率之间取得了完美的平衡。综上所述，模型在本次任务中的分类性能非常出色，具有极高的准确性和可靠性。