糖尿病患者FeetSee热成像采集方案

数据集获取

源站：https://clinicaltrials.gov/study/NCT07300163

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：糖尿病足溃疡。这是一项前瞻性观察性研究，纳入约100名患有1型或2型糖尿病且近期愈合的足底糖尿病足溃疡的成年人作为单一人群，研究在英国的多家医院以及立陶宛维尔纽斯大学医院Santaros Klinikos进行。入选条件包括周围神经病变（定义为10 g单丝检查和/或振动感知阈值测试异常）以及至少可触及一处足部脉搏。主要排除标准包括活动性糖尿病足溃疡、活动性Charcot神经骨关节病、严重外周动脉疾病（无可触及的足部脉搏）、跖趾关节以上的下肢大截肢，以及会妨碍安全使用该设备的医学或认知状况。在知情同意和基线评估后，参与者接受培训，学习在家中使用FeetSee热成像摄像头、支架以及智能手机/平板电脑应用程序。要求他们在每次测量前脱去鞋袜，并使双足保持非负重状态约10分钟，然后每天至少采集一次双侧足底图像。

研究工作人员在第一周提供密集的技术支持，随后大约每三周安排一次电话随访，并根据需要提供额外的故障排除。依从性通过设备记录的使用情况来监测；连续21天未使用设备即视为失访。热成像图像经过伪匿名化处理，并安全传输至云基础设施，FeetSee算法在此使用主动形状模型检测足部轮廓，并比较镜像的足底区域，以发现高于预设阈值（例如>2.2 °C）的温度差异，提示局部炎症。设备制造商（Diabetis JSC）将利用生成的温度图和临床结局进行分析，以评估当前算法预测新发DFU的敏感性和特异性，并开发改进算法。所有其他临床和问卷数据均进行分

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。