Lunar iDXA内脏脂肪工具技术验证

数据集获取

源站：https://clinicaltrials.gov/study/NCT01110161

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

条件：肥胖。肥胖是21世纪最大的公共卫生挑战之一。世界卫生组织（WHO）2005年的估计表明，约有16亿成年人超重（体重指数（BMI）> 25 kg/m2），其中4亿人被归类为肥胖（BMI > 30 kg/m2）。到2015年，WHO预测超重和肥胖成年人口将分别增至23亿和7亿。肥胖的主要决定因素是卡路里摄入与消耗之间的能量失衡，这可归因于全球饮食结构转向偏爱富含脂肪和碳水化合物的高能量密度食物，以及全球范围内久坐行为趋势的增加。体脂分布，尤其是腹部脂肪，与心血管疾病、糖尿病、高血压、非酒精性脂肪肝病、癌症及总死亡率的风险增加相关。因此，开发微创临床工具以评估内脏脂肪十分重要。计算机断层扫描（CT）和磁共振成像（MRI）是量化内脏和腹部脂肪的金标准。

然而，这些仪器的分析成本高且在大规模筛查中可用性有限，这促使人们开发基于成本效益高且广泛分布技术的替代方法。双能X射线吸收测定法（DXA）是填补这一空白的有前景的技术。DXA正日益被用作临床和研究环境中测量区域和全身身体成分的快速、精确和准确的方法。使用DXA进行全身评估提供了独特的能力，可以无创测量骨骼状况，以及瘦组织和脂肪组织成分，包括脂肪百分比、瘦组织质量和男性型（腰部）/女性型（臀部）脂肪比率。DXA技术非常适合大规模筛查，以评估身体成分和脂肪分布，作为全球a

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。