反射共聚焦显微镜深度堆栈中皮肤层自动分割数据

数据集获取

源站：https://doi.org/10.5061/dryad.rg58m

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 5.05 GB。

数据说明

反射共聚焦显微镜（RCM）是对多种皮肤疾病进行在体检查的有力工具。然而，目前RCM的使用依赖于人类专家进行定性检查，以寻找皮肤不同层中的特定特征。开发量化RCM图像中特征的方法需要对给定en-face切面中存在何种解剖层进行自动化理解。本研究提出了一种自动化方法，采用特征袋方法表示en-face切面，并使用逻辑回归分类器将切面分为四类之一（角质层、活性表皮、真皮-表皮交界处和乳头状真皮）。该方法使用来自两个年龄组（20–30岁和50–70岁）54名志愿者的308个深度堆栈数据集进行开发和测试。测试集上的分类准确率为85.6%。在确定角质层/活性表皮、活性表皮/真皮-表皮交界处和真皮-表皮交界处/乳头状真皮界面各自的界面深度时，平均绝对误差分别为3.1 μm、6.0 μm和5.5 μm。

分类器在测试集上预测的概率表明，它已学习到一个有效的人类皮肤解剖模型。

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。