皮肤多模态定量成像

数据集获取

源站：https://clinicaltrials.gov/study/NCT06989216

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

疾病：皮肤癌、皮肤病、特应性皮炎、银屑病、雷诺病、糖尿病足、外周动脉疾病。本临床研究旨在评估全身多模态成像在初级保健中用于筛查、监测和诊断支持的可行性，通过评估身体测量的准确性以及与疾病的敏感性和相关性。检测皮肤癌、外周动脉疾病、雷诺现象和皮肤病的性能属于本研究范围。多模态技术基于摄像头系统，可捕获高分辨率2D和3D彩色图像（可见光谱）和热图像（红外光谱）。病变的外观、形状、颜色等以及地形由系统的彩色2D摄像头捕获，因此可以进行检查/量化。热图像用于捕获可能指示微循环变化的热梯度。3D摄像头用于确保2D彩色数据和热数据可以在几何上对齐，从而能够比较来自同一皮肤区域/病变的两种数据类型的特征。

此外，它还能对病变进行几何测量。参与者主要来自前瞻性初级保健人群，他们在初级保健就诊时接受检查。就诊期间，会拍摄所有参与者的全身图像（正面和背面）。参与者需在现场填写问卷，说明自己是否患有/曾患有调查涉及的任何疾病和症状。部分受试者将作为初级保健流程的一部分，手动获取身体测量数据（周长和距离）。对于有兴趣的受试者，可能会每年重复进行测量。

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。