HandDx-200：配对临床生物标志物的多模态RGB与热成像手部图像数据集-79124

数据集获取

源站：https://doi.org/10.5281/zenodo.19962461

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。

数据集大小约 26.60 GB。

数据说明

HandDx-200是一个多模态数据集，包含双手掌侧和背侧的RGB与热成像图像，以及来自198名成年参与者（73名男性，125名女性；年龄39.7 ± 11.7岁）的临床和实验室生物标志物。图像采集遵循标准化协议，使用Nikon D3200 RGB相机和Mastfuyi FY12红外热像仪，在控制的环境温度和湿度下进行。临床数据包括年龄、性别、血压、空腹毛细血管血糖（在至少8小时自我报告禁食后测量）、身高、体重和BMI。实验室生物标志物包括全血细胞计数（CBC）、血脂谱（总胆固醇、甘油三酯、HDL、LDL、VLDL）和HbA1c。LDL和VLDL通过Friedewald方程计算；没有参与者的甘油三酯高于400 mg/dL（最高388 mg/dL），因此推导值在整个过程中均有效。CBC是在3分类血液分析仪上获得的，因此嗜酸性粒细胞和嗜碱性粒细胞计数未单独区分。

所有RGB图像均经过完全确定性的预处理流程（白平衡校正、手部分割、方向归一化和裁剪），并为792张RGB图像中的每一张都记录了逐图像的JSON日志，记录每个处理步骤。分割准确性通过覆盖整个队列（P001–P198）的68张人工标注图像进行了定量验证：初始一组48张图像来自参与者P001–P050，另从P051–P198中随机抽取20张图像（numpy种子42，在手侧和视图上保持平衡）。平均Dice = 0.993 ± 0.004（95% CI 0.992–0.995），平均IoU = 0.987 ± 0.009；全部68张图像得分均≥ 0.90（最低0.972），早期与后期队列子集之间无差异，表明无方案漂移。为量化标注不确定性，第二位独立标注者重新勾画了其中15张图像：标注者间一致性为Dice 0.993 ± 0.006，即算法与标注者之间的一致性，与两名人类标注者之间的一致性无法区分。两项标注

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。