匿名痤疮面部数据集
该数据集是一个包含1473张高分辨率（1024x1024）痤疮面部图像的匿名图像数据集，通过StyleGAN2算法生成，模拟了轻度、中度和重度不同严重程度的痤疮表现，数据来源于ACNE04数据集和谷歌图像，并经过深度学习预处理和增强，主要用于支持深度学习模型在痤疮诊断、治疗研究和医学教育领域的训练与验证。
基本信息
资源简介
该数据集是由LISSI实验室创建的一个匿名痤疮面部图像数据集，旨在弥补生物医学领域病理人脸图像数据的不足。数据集包含1473张通过StyleGAN2算法生成的痤疮面部图像，模拟了轻度、中度和重度不同严重程度的痤疮表现，图像分辨率高达1024x1024。数据来源于ACNE04数据集和谷歌图像，经过深度学习预处理和增强技术处理，确保图像质量。该数据集主要用于支持深度学习模型的训练与验证，在痤疮诊断、治疗研究以及医学教育中具有重要应用价值。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集说明
匿名痤疮面部数据集 对应论文数据集（arXiv 预印本）。
数据获取指引
- 打开论文页面获取作者与项目信息：https://arxiv.org/abs/2211.04214v1
- 论文 Data Availability / Code Availability 章节标注了数据实际托管位置；
- 获取到实际数据链接后，按对应平台标准方式下载。
论文摘要：Abstract:It is well known that the performance of any classification model is effective if the dataset used for the training process and the test process satisfy some specific requirements. In other words, the more the dataset size is large, balanced, and representative, the more one can trust the proposed model's effectiveness and, consequently, the obtained results. Unfortunately, large-size anonymous datasets are generally not publicly available in biomedical applications, especially those dealing with pathological human face images. This concern makes using deep-learning-based approaches challenging to deploy and difficult to reproduce or verify some published results. In this paper, we suggest an efficient method to generate a realistic anonymous synthetic dataset of human faces with the attributes of acne disorders corresponding to three levels of severity (i.e. Mild, Moderate and Severe). Therefore, a specific hierarchy StyleGAN-based algorithm trained at distinct levels is considered. To evaluate the performance of the proposed scheme, we consider a CNN-based classification system, trained using the generated synthetic acneic face images and tested using authentic face images. Consequently, we show that an accuracy of 97,6% is achieved using InceptionResNetv2. As a result, this work allows the scientific community to employ the generated synthetic dataset for any data processing application without restrictions on legal or ethical concerns. Moreover, this approach can also be extended to other applications requiring the generation of synthetic medical images. W
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 痤疮 的高质量、多模态真实临床数据定制解决方案。
