HFID-AL：用于痤疮病变检测与分割的高光谱面部成像数据集-75766
HFID-AL 是一个用于痤疮病变检测与分割的高光谱面部成像数据集，包含约 2,900 个高光谱图像立方体，采集自 300 名参与者，使用基于 LCTF 的成像系统，覆盖 400–1000 nm 波长、121 个光谱波段、间隔 5 nm，图像统一为 512 × 512 分辨率
基本信息
资源简介
HFID-AL：用于痤疮病变检测与分割的高光谱面部成像数据集
HFID-AL: A Hyperspectral Facial Imaging Dataset for Acne Lesion Detection and Segmentation
HFID-AL 是一个用于痤疮病变检测与分割的高光谱面部成像数据集，包含约 2,900 个高光谱图像立方体，采集自 300 名参与者，使用基于 LCTF 的成像系统，覆盖 400–1000 nm 波长、121 个光谱波段、间隔 5 nm，图像统一为 512 × 512 分辨率。其中 744 张图像由认证皮肤科医生以 COCO 格式标注了专家像素级痤疮病变掩膜。数据集支持高光谱皮肤成像、痤疮病变分割、光谱特征分析、医学图像理解与 AI 皮肤分析等研究，并发布图像立方体、标注掩膜、元数据、预处理脚本、基准代码与文档，以及基于 U-Net、LWB-UNet、Mamba-UNet 和 VML-UNet 的基线实验（来源 DOI 解析，HFI。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：HFID-AL 是一个经过整理的高光谱面部成像数据集，用于痤疮病变检测与分割。该数据集包含约 2,900 个高光谱图像立方体，采集自 300 名参与者，使用基于 LCTF 的成像系统，覆盖 400–1000 nm 波长，具有 121 个光谱波段，间隔为 5 nm。所有图像均标准化为 512 × 512 分辨率。其中，744 张图像由认证皮肤科医生以 COCO 格式标注了专家像素级痤疮病变掩膜。该数据集支持以下研究：- 高光谱皮肤成像 - 痤疮病变分割 - 光谱特征分析 - 医学图像理解 - 基于 AI 的皮肤分析。发布的资源包括：- 高光谱图像立方体 - 标注掩膜 - 元数据 - 预处理脚本 - 基准代码 - 文档。还包括使用 U-Net、LWB-UNet、Mamba-UNet 和 VML-UNet 的基线实验。
【主题与分类】
主题标签：Hyperspectral Imaging、facial acne、dermatological dataset、acne lesion segmentation、medical image analysis、computer-aided dermatology。本站分类：皮肤疾病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.20580176
使用许可：HFID-AL Restricted Data Use Terms。
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://doi.org/10.5281/zenodo.20580176
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
HFID-AL是一个用于痤疮病变检测与分割的精选高光谱面部成像数据集。该数据集包含约2900个高光谱图像立方体，采集自300名参与者，使用基于LCTF的成像系统，覆盖400–1000 nm波长范围，具有121个光谱波段，间隔为5 nm。所有图像均标准化为512 × 512分辨率。其中，744幅图像由委员会认证的皮肤科医生以COCO格式标注了专家像素级痤疮病变掩膜。该数据集支持以下研究：
- 高光谱皮肤病成像
- 痤疮病变分割
- 光谱特征分析
- 医学图像理解
- 基于AI的皮肤分析
发布的资源包括： - 高光谱图像立方体
- 标注掩膜
- 元数据
- 预处理脚本
- 基准代码
- 文档
还包括使用U-Net、LWB-UNet、Mamba-UNet和VML-UNet进行的基线实验。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
