FitzDerm-CF：用于肤色反事实与泄漏评估的受控多模态皮肤病学资源

数据集获取

源站：https://doi.org/10.7910/DVN/OZKS1L

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 1.67 GB。

数据说明

多模态皮肤病学模型日益依赖配对的视觉与文本信息，然而现有资源对临床文本如何编码诊断证据、受保护属性及虚假相关性的控制能力有限。我们提出FitzDerm-CF，一个受控的多模态皮肤病学资源，通过为Fitzpatrick17k和DDI中的图像配以合成临床笔记，旨在支持对语义容量、诊断泄漏和肤色反事实鲁棒性的系统性评估。对于每张图像，我们基于结构化元数据（包括Fitzpatrick皮肤类型、细粒度疾病标签和恶性状态）生成皮肤病学风格的文本伴随内容，同时施加严格约束，防止出现明确疾病命名、患者特定人口统计学属性、管理建议及诊断确定性语言。为支持对文本信息量的受控研究，笔记在多个温度设置下生成，产生具有不同形态学特异性水平的变体。

我们进一步通过仅扰动Fitzpatrick皮肤类型属性并重写依赖肤色的外观描述符，同时保留所有其他临床内容，构建了一个反事实拆分。候选反事实通过一个四阶段验证流程进行筛选，该流程拒绝未改变的改写、强制有界语义相似性、检查因果和流行病学不变性，并验证肤色特定的词汇干预。由此产生的资源支持跨模态检索、诊断泄漏探测、多模态分类和反事实一致性评估等基准任务。通过将疾病相关形态与标签泄漏及受保护属性混杂因素分离，FitzDerm-CF提供了一个可复用的测试平台，用于在受控的分布和反事实条件下开发和审计多模态皮肤病学系统。

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。