用于在体定量皮肤成分与结构的无创成像

数据集获取

源站：https://clinicaltrials.gov/study/NCT06976073

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：2型糖尿病、糖尿病足、外周动脉疾病、皮肤癌、心血管疾病风险。本临床研究旨在评估一种基于空间频率域成像（SFDI）技术的试验性医疗器械（IMD）的潜在价值。这是一种非侵入性、非接触式技术，用于在体测量皮肤及其内嵌血容量的结构和分子组成。该技术有望成为微循环病理（如外周动脉疾病和糖尿病）诊断支持的工具有，也可用于一般心血管疾病风险评估。该试验性医疗器械能够测量两个成像深度下皮肤组织中脱氧血红蛋白、氧合血红蛋白、黑色素和水的浓度，以及结构特性。研究参与者主要包括前瞻性初级保健人群，他们在初级保健就诊时接受检查（包括SFDI评估）。就诊期间收集的其他评估数据（包括病史、血压、血液指标、踝臂指数）从参与者的医疗记录中获取。

将向参与者提供一项扩展检查（包括SFDI评估，并增加3分钟闭塞后充血（PORH）试验，以及使用参考系统Perimed Periflux 6000进行的血管评估），依据是初级保健人群中心血管疾病风险升高，或针对单独邀请的心血管风险升高、已知糖尿病或作为健康对照的受试者。对有兴趣的受试者可每年重复进行测量。一部分参与者将接受多模态研究，包括将当前研究的数据与来自“Cardio Alpha”研究（CIV ID：CIV-22-08-040426）的非接触式激光振动测量数据相结合。假设通过多模态方法，结合大循环和微循环功能的数据，可能改善心血管疾病（CVD）风险评估。另一部分参与者将接受一项糖尿

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。