面向女性健康公平AI的可获取数据：创新的催化剂

数据集获取

源站：https://doi.org/10.5281/zenodo.19852537

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 51.8 KB。

数据说明

本数据集是为女性健康人工智能研究可访问数据集综述而制作的。这是该表格的第2版——经同行评审后更新。摘要：人工智能（AI）在健康领域迅速发展，但其在女性健康中的整合仍面临挑战，受限于临床文献和数据集中的代表性不足、数据标准不一致，以及缺乏对多模态研究级数据资源的协调访问。本研究梳理了当前可用于女性健康AI开发的可访问（即开放和可按需访问）数据的范围。主要资源包括临床数据存储库、癌症登记处、生物样本库和已发表的研究。我们总结了与癌症（乳腺癌、宫颈癌、子宫内膜癌和卵巢癌）、慢性和急性健康状况（心血管）、诊断不足的疾病（子宫内膜异位症）、来自远程健康监测的可穿戴设备和生命体征数据相关的数据资源，并讨论了其他潜在资源，如社区护理和药房数据中更广泛的医疗保健数据。

我们提供了一个关于“女性健康”的实用定义，一张将关键可获取数据源集中于资源层面（国家登记/临床研究、单一/多模态）的表格，并讨论了推动该领域AI研究与创新的关键挑战与机遇。为了支持可访问性和再利用，我们还提供了一个开放获取的在线精选数据集存储库。因此，本文为构建公平的女性健康AI奠定了基石：它能够支持未来对数据完整性、人口多样性、临床可部署性、方法学基准、许可、药物警戒等方面的评估，并有助于突显女性健康生态系统中全球AI研究的进展。论文参考：待发表时添加 预印本：Bianca Schor, Kristin Collett Caolo, Le Minh Thao Doan等。迈向公平的女性健康AI：acc

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。