疾病特异性人脸数据集 2
疾病特异性人脸图像从具有明确诊断结果的专业渠道收集。所使用的 DSF2 数据集由来自专业医学出版物、医学网站、论坛和医院的带有诊断结果的疾病特异性人脸（DSF）图像组成
基本信息
资源简介
疾病特异性人脸数据集 2
Disease-specific Faces 2（简称 DSF2）是一个面向疾病表型与基因型研究的疾病特异性人脸图像数据库。该数据库所收录的人脸图像均来自具有明确诊断结果的专业渠道，并配有经执业医师审核的诊断标签，可用于模型的监督学习。DSF2 涵盖六种疾病特异性人脸以及健康对照，六种疾病分别为肢端肥大症、面神经麻痹、唐氏综合征、麻风病、地中海贫血和甲状腺功能亢进症。该数据库由 Jin, Bo 发布，发布时间为 2023 年，来源站为 doi.org，所属机构为 IEEE DataPort，采用 Creative Commons Attribution 4.0 International 许可。数据库会不定期更新，如需使用，可通过电子邮件 genex.tw@gmail.com 进行联系。
【数据集背景】
疾病特异性人脸（Disease-Specific Faces，DSF）数据库用于研究疾病的表型和基因型。DSF2 是这一数据库体系中的一个数据集，其构建目标在于为疾病相关的人脸特征研究提供带有诊断结果标注的图像资源。在本站分类中，该数据集归入“内分泌、营养和代谢疾病 / 其他”类别。由于部分疾病会在面部表现出具有一定识别价值的形态特征，将人脸图像与明确的诊断结果相结合，可以为疾病表型研究以及基于图像的监督学习提供数据基础。DSF2 正是在这一背景下建立，并明确以疾病特异性人脸与健康对照作为其内容构成。
【数据内容】
DSF2 数据库包含六种疾病特异性人脸以及健康对照。六种疾病分别是肢端肥大症、面神经麻痹、唐氏综合征、麻风病、地中海贫血和甲状腺功能亢进症。数据集中的图像为疾病特异性人脸（DSF）图像，并带有诊断结果。这些诊断结果经过执业医师审核，用于生成监督学习所需的标签。除上述疾病类别与健康对照的构成，以及图像带有经审核的诊断标签之外，源站未提供关于图像数量、分辨率、格式、受试者人口学分布等更细粒度的信息。
【采集与来源】
DSF2 所使用的疾病特异性人脸图像来自专业医学出版物、医学网站、论坛和医院。这些渠道的共同特点是能够提供具有明确诊断结果的图像资料。图像所附的诊断结果由执业医师进行审核，并据此形成用于监督学习的标签。数据库会不定期更新。关于各来源渠道的具体数量、采集时间范围、采集流程细节以及更新频率，源站未提供。
【适用场景】
根据源站描述，DSF 数据库用于研究疾病的表型和基因型。DSF2 中的图像带有经执业医师审核的诊断标签，可用于模型的监督学习。因此，该数据集适用于与疾病表型相关的图像研究，以及需要借助诊断标签进行训练或验证的监督学习任务。关于该数据集在具体任务类型、评价指标或应用领域上的进一步说明，源站未提供。
【使用方法】
如需使用 DSF 数据库，可通过电子邮件 genex.tw@gmail.com 进行联系。关于数据获取的具体流程、访问条件、数据组织方式以及配套工具等，源站未提供。
【质量与限制】
DSF2 的图像来自专业医学出版物、医学网站、论坛和医院，并配有明确的诊断结果，这些诊断结果经过执业医师审核后形成标签，这为其在监督学习中的使用提供了标注依据。数据库会不定期更新。关于数据质量的具体评估指标、标注一致性、类别平衡情况、潜在偏倚以及使用限制等，源站未提供。
【引用与许可】
该数据集由 Jin, Bo 发布，发布时间为 2023 年，来源站为 doi.org，所属机构为 IEEE DataPort。其许可方式为 Creative Commons Attribution 4.0 International。关于具体的引用格式、版本信息以及许可使用的详细条款，源站未提供。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://doi.org/10.21227/zqra-nh98
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
疾病特异性面部（DSF）数据库用于研究疾病的表型和基因型。疾病特异性面部图像通过专业渠道收集，并具有明确的诊断结果。所使用的DSF2数据集包含来自专业医学出版物、医学网站、论坛和医院的具有诊断结果的疾病特异性面部（DSF）图像。这些结果经执业医师审核，为模型的监督学习创建标签。疾病特异性面部2（DSF2）数据库包括6种疾病特异性面部和健康对照。六种疾病分别是肢端肥大症、面神经麻痹、唐氏综合征、麻风病、地中海贫血和甲状腺功能亢进。该数据库不定期更新。如果您想使用DSF数据库，请发送电子邮件至genex.tw@gmail.com。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
