AI 衍生面部泛红评分与体重指数：日本大型筛查队列-75794

数据集获取

源站：https://doi.org/10.17632/np3r5kwfrx.1

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。

数据集大小约 161.9 KB。

数据说明

本数据集支持研究快报《人工智能衍生的面部泛红评分与体重指数在大型日本筛查队列中的关系》。该数据集包含来自参加日本关西大阪2025年世博会大阪健康馆“身体测量”公共卫生筛查项目的成年人的完全匿名、不可识别数据。在484,462名接受资格评估的个体中，74,078人因体重指数（BMI）数据缺失（n=50,293）或面部泛红评分缺失（n=23,785）而被排除，最终分析队列为410,384名参与者（250,318名女性和160,066名男性；平均年龄44.4岁；平均BMI 22.3 kg/m²）。面部皮肤特征使用基于人工智能的皮肤分析系统（Perfect Corp.，台湾）进行量化，该系统为14项面部参数生成相对评分（范围1–100）：斑点、皱纹、纹理、油性、泛红、眼袋、毛孔、水分、上眼睑下垂、下眼睑下垂、紧致度、光泽度、黑眼圈和痤疮。

红斑评分代表一种基于图像得出的面部红斑指标（并非皮肤科医生评估的红斑），并进行了反向编码（反向编码评分 = 101 − 原始评分），因此数值越高表示面部红斑越严重。血管年龄和脉率另外使用接触式红外光电容积脉搏波传感器测量。BMI根据日本标准进行分类。采用Pearson相关分析和年龄校正逻辑回归来检验BMI与AI得出的面部红斑之间的关联，并进行了五项红斑阈值下的敏感性分析以及探索性亚组分析（30–59岁女性和年龄匹配的男性）。本研究经近畿大学医院机构审查委员会批准（批准号2025-220），并按照《赫尔辛基宣言》进行。所有参与者在数据收集时均提供了对其数据用于研究的知情同意。该数据集已完全匿名化，并包含

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。