利用人工智能诊断雄激素性脱发：训练与验证研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07294313

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。

数据说明

条件：雄激素性脱发。研究者计划开发并验证人工智能（AI）和机器学习（ML）模型，用于诊断男性和女性型脱发，并基于临床和毛发镜图像评估其严重程度，所用设备为广泛可用且易于获取的手持式皮肤镜。传统的雄激素性脱发（AGA）诊断和严重程度评估是繁琐且耗时的任务，容易出现人为错误。这些挑战可以通过人工智能（AI）来应对，即利用机器学习和人工神经网络的应用，通过皮肤镜图像分析来提高头皮疾病分类系统的诊断准确性。计算机辅助评估毛发显微照片的尝试已持续数十年，但在深度学习和神经网络出现之前，它面临许多技术障碍；与视觉计数相比，目前可用的软件生成的结果不准确。需要更准确的毛发镜图像分析方法，利用在大型图像数据集上训练的深度学习图像识别模型。

近年来，利用视频皮肤镜技术开发了多种深度学习模型，在毛发密度、粗细及严重程度分类方面取得了可靠成果，但仍受限于训练数据集规模小且缺乏包容性、需要剃发以及缺乏详细报告等问题。此外，据我们所知，以往所有模型均依赖于从昂贵的独立式视频皮肤镜设备获取图像，此类设备普及率低，而非广泛可及的手持式皮肤镜。本研究将纳入400名参与者（200名健康对照者和200名AGA患者）。对照者接受病史采集和毛发镜检查以排除毛发疾病。毛发镜检查将使用手持式皮肤镜（CuTechs DS175）配合专用视野间隔器进行。患者将使用性别特异性量表评估疾病严重程度。两组均将进行

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。