基于结膜、手掌与甲床图像的无创贫血筛查数据集

数据集获取

源站：https://doi.org/10.21227/3ybd-nw38

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

该数据集是一个综合性多模态数据集合，用于非侵入性贫血筛查和实验室血红蛋白估算研究。数据收集工作是在印度法里达巴德的马纳夫·拉奇纳教育机构（MREI）自愿组织的献血营期间进行的。在获得大学机构伦理委员会的伦理批准和参与者的知情同意后，我们为研究收集了数据。数据采集遵循标准协议和伦理指南进行。数据包括1，485名参与者的记录，这些记录与实验室血红蛋白（Hb）测量值及多模态解剖图像（左右结膜、左右手掌图像、最多10张甲床图像）同步，还包括参与者元数据和自动筛查预测。实验室血红蛋白范围为6.0 - 18.7 g/dL，支持贫血的二元分类和血红蛋白的连续估算。根据世界卫生组织（WHO）对贫血的诊断定义（Hb < 12 g/dL），该数据集包含166名贫血个体和1，318名非贫血个体。

该数据集包含多种解剖成像模态和临床批准的血红蛋白检测结果，为训练和测试无需血样即可检测贫血的人工智能和计算机视觉模型提供了有用的参考点。它提供了广泛的研究应用，如医学图像分析、多模态深度学习、血红蛋白回归、可解释人工智能、迁移学习、自监督学习、医疗信息学以及处理类别不平衡的强大机器学习方法。该数据集将成为生物医学成像研究和贫血检测人工智能辅助诊断系统的综合资源。

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。