基于卷积神经网络的一次光疗后色素减退反应预测数据集

面部色素沉着光疗数据集,含治疗前照片与每次治疗后反应,用于CNN预测一次光疗后色素减退的良好反应者。

NIAID Data Ecosystem
浏览 13
医学影像面部色素沉着医学影像
Response predictor for pigment reduction after one session of photo-based therapy using convolutional neural network

基本信息

模态
医学影像
大小
0.000022713 GB
创建/更新时间
2026-10-10
版本
v1

资源简介

基于卷积神经网络的一次光疗后色素减退反应预测数据集

【一句话概览】

该数据集包含每次光基治疗后面部色素沉着过度的治疗反应。研究基于这些结果训练卷积神经网络,并表明治疗前照片中存在可辨别特征,可用于识别面部色素沉着过度光基治疗后有利反应者。数据集含1个文件,合计22.7 KB(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Response predictor for pigment reduction after one session of photo-based therapy using convolutional neural network》。源站首次发布:2022-09-23。

【数据内容】

源站原始描述:This dataset contains the treatment response after each photo-based treatment session for facial hyperpigmentation. We trained a convolutional neural network (CNN) based on these results and showed that there exist discernible features in pretreatment photographs for identifying favorable responders after photo-based treatments for facial hyperpigmentation

【数据结构与技术规格】

文件数 1 个,合计 22.71 KB。数据集 DOI:10.17632/4gs3ks89mr.1。

【适用方向】

影像类数据可用于医学图像分析模型(检测、分割、分类)的训练与评测,也可用于标注质量与成像参数相关性的研究。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/4gs3ks89mr

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

暂未开放

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。

免登录

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

源站:https://data.mendeley.com/datasets/4gs3ks89mr

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。

获取专属数据定制方案