撒哈拉以南非洲一线卫生工作者对皮肤相关被忽视热带病的早期检测与AI管理

数据集获取

源站：https://clinicaltrials.gov/study/NCT07506967

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据说明

疾病：皮肤和结缔组织疾病、被忽视的热带病、麻风病、布鲁里溃疡、皮肤利什曼病、疥疮、足菌肿、淋巴丝虫病。摘要：与皮肤相关的被忽视热带病（皮肤NTDs）构成重大公共卫生挑战，全球影响18亿人。由于缺乏训练有素的医护人员和诊断工具等因素，皮肤NTDs对边缘化社区影响显著。目前，由于皮肤科医生稀缺，大多数患有皮肤病的农村人口由皮肤科知识有限的一线卫生工作者（FHWs）提供服务。皮肤NTDs的低患病率进一步增加了FHWs对其诊断和识别的难度。因此，需要新颖创新的方法来建设能力并改善皮肤NTDs的诊断。移动健康（mHealth）干预措施，特别是那些结合人工智能（AI）的干预措施，为提高FHWs的诊断能力提供了有前景的解决方案。

SkincAIr项目旨在评估引入具备AI功能的移动应用能否提高一线卫生工作者（FHWs）在检测皮肤被忽视热带病（NTDs）方面的诊断准确性（灵敏度和特异度），并确定在移除AI辅助后他们对改进后诊断技能的保持情况，以表明潜在的能力建设和医疗服务提供的持续改善。在临床图像数据收集部分（36个月），5个国家（肯尼亚、埃塞俄比亚、塞内加尔、刚果民主共和国和尼日利亚）的皮肤科医生将收集皮肤NTDs和其他皮肤状况的图像（图像数据收集阶段），这些图像将用于SkincAIr应用的训练和开发，之后在为期24个月的验证研究中在一线卫生工作者中进行评估。该应用的验证研究部分将采用受试者内纵向设计，纳入50名一线卫生工作者，并在24个月的验证研究期内，从3个国家（肯尼亚、埃塞俄比亚、塞内加尔）每个国家皮肤NTDs高负担地区招募约750名有皮肤主诉的患者。数据将使用R和Python进行分析，采用描述性统计（频率、集中

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。