摘要：睑结膜贫血诊断数据集是一个专门用于通过眼睑结膜图像进行贫血筛查的小规模医学影像数据集，包含218张高分辨率JPEG图像（527MB），使用智能手机(Samsung SM-G920F)在真实场景中拍摄。
数据集概述
睑结膜贫血诊断数据集是一个专门用于通过眼睑结膜图像进行贫血筛查的小规模医学影像数据集，包含218张高分辨率JPEG图像（527MB），使用智能手机(Samsung SM-G920F)在真实场景中拍摄。数据集基于临床诊断原理：贫血患者由于血红蛋白水平降低，下眼睑内侧粘膜呈现苍白色，而健康人群呈现正常粉红色，这一体征是临床医生快速评估贫血的传统方法。数据集采用标准训练/验证/测试三分割结构，分为贫血(Anemia, 91张)和非贫血(NoAnemia, 127张)两个类别，类别分布存在轻度不平衡(42% vs 58%)。图像以3984×2988像素等高分辨率保存，保留了丰富的颜色和纹理细节。该数据集旨在将传统主观视诊转化为可量化的AI辅助诊断工具，特别适用于资源匮乏地区的低成本贫血筛查场景。
数据结构与关键特征
数据集采用嵌套目录结构(dataset/train/train/, test/test/, validation/validation/)，每个子集包含Anemia和NoAnemia两个类别文件夹。训练集包含175张图像(Anemia: 73, NoAnemia: 102)，测试集22张(9:13)，验证集21张(9:12)，遵循约80%/10%/10%的标准分割比例。数据量较小(总计218张)但图像质量高，单张图像约2-3MB，分辨率达到智能手机相机的原生输出水平(如3984×2988像素)。核心诊断特征为睑结膜颜色：贫血组呈苍白或淡白色，非贫血组呈粉红至红润色。智能手机拍摄的真实场景数据意味着图像包含自然光照变化、不同拍摄角度和受试者个体差异(肤色、年龄、性别)，增强了数据的生态效度但也引入了噪声。轻度类别不平衡(NoAnemia占58%)需要在训练时采用类权重平衡或数据增强策略。高分辨率图像需要预处理(调整大小至224×224或299×299)以适配主流深度学习模型输入层。
应用价值与研究方向
该数据集在移动健康、全球卫生和数字医疗领域具有重要的公共卫生价值和技术示范意义。在临床应用中，可用于开发智能手机贫血筛查应用、社区健康监测工具和远程医疗诊断系统，特别适用于撒哈拉以南非洲、南亚等缺乏血常规检测设备的资源匮乏地区、孕产妇保健项目和儿童营养监测场景——仅需普通智能手机相机即可实现初步筛查，成本几乎为零。在研究方向上，由于数据量较小(218张)，适合用于迁移学习研究(从ImageNet预训练模型微调)、数据增强策略验证(旋转、翻转、颜色抖动)、轻量化模型部署(MobileNet、EfficientNet用于移动端实时推理)、小样本学习和少样本学习算法测试、跨光照条件颜色校正以及类别不平衡处理方法比较,为低成本无创医学检测技术提供概念验证和原型开发基础,最终降低全球20亿贫血患者(尤其是发展中国家妇女儿童)的筛查门槛并提高早期发现率。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-260
文件大小：500M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)