男性脱发Norwood量表数据集
该数据集是一个包含从5个角度拍摄的男性脱发图像集合，每张图像都标注了对应的Norwood量表等级（共7类），属于医学图像模态，主要用于计算机视觉在皮肤病学领域的应用研究，特别是训练机器学习模型进行脱发程度的自动分类与评估，以辅助临床诊断决策。
基本信息
资源简介
男性脱发Norwood量表数据集
【数据集背景】
本数据集源站标题为《Hair Loss Male Norwood Scale》。源站首次发布：2025-06-25。
【数据内容】
源站原始描述：# Male Hair Loss Dataset - 2 400+ images Dataset comprises **2,400+** photos of male alopecia (hair loss) captured from **5 angles**, meticulously labeled into **7 classes** according to the **Norwood-Hamilton scale**. It is designed for **machine learning** and **deep learning** applications, particularly in diagnosing **hair disorders**, evaluating **scalp health**, and personalizing **hair restoration treatments**. By utilizing this dataset, researchers and dermatologists can enhance hair los…
【数据结构与技术规格】
文件数 20 个，合计 6.49 MB。
【主题与分类】
主题标签：image、computer science、computer vision、image classification、people and society。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/unidpro/hair-loss-male-norwood-scale
使用许可：Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("unidpro/hair-loss-male-norwood-scale")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d unidpro/hair-loss-male-norwood-scale
unzip hair-loss-male-norwood-scale.zip -d hair-loss-male-norwood-scale/
数据说明
该数据集是一个专门用于男性脱发（雄激素性脱发）研究的图像数据集，包含从5个不同角度拍摄的脱发区域图像，每张图像都标注了对应的Norwood量表等级（共7个等级）。数据集通过收集真实患者的脱发图像构建而成，主要用于计算机视觉在皮肤病学领域的应用研究，特别是脱发程度的自动分类与评估。该数据集可用于训练机器学习模型进行脱发分级诊断，辅助临床决策支持系统的开发。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
