数据集概览
| 数据集名称 | 中医视觉智能诊断数据集（TCM-VISION） |
| 数据总量 | 100 万+ 例原始影像（含标注 50,000+ 例） |
| 数据格式 | JPEG / PNG 影像 + JSON / CSV / COCO 标注 + PNG 蒙版 |
| 标注任务 | 面部皮肤检测 / 舌面诊断 / 舌底诊断 / 面部诊断 / 质量评估 |
| 细分类别 | 100+ 中医诊断细分类别（舌面18项 / 舌底8项 / 面部4项 / 质量8项） |
| 数据来源 | 合作中医院及中医诊所临床采集（多中心、多设备、经伦理审批） |
| 标注方式 | 2名中医主治医师独立标注 + 1名主任中医师仲裁 |
| 隐私保护 | 面部特征模糊处理、患者信息脱敏、符合《个人信息保护法》及 HIPAA |
数据维度详细说明
| 字段名称 | 数据类型 | 取值范围/说明 |
|---|---|---|
| image_id | String(32) | 影像唯一标识，格式：TCM{center}{seq} |
| sample_type | Enum | TONGUE_TOP（舌面） | TONGUE_BOTTOM（舌底） | FACE（面部） | SKIN（皮肤） |
| task_type | Enum | SKIN_DETECT（面部皮肤检测） | TONGUE_TOP（舌面诊断） | TONGUE_BOTTOM（舌底诊断） | FACE_DIAG（面部诊断） | QUALITY（质量评估） |
| label_category | Enum | 依据 task_type 动态取值（舌面18项 / 舌底8项 / 面部4项 / 质量8项） |
| label_value | String | 具体诊断标签值，如"淡红舌"、"薄白苔"、"青紫舌"、"合格" |
| bbox_coords | Array[4] | 目标检测框坐标：[x, y, width, height]（像素坐标） |
| mask_path | String | 语义分割 PNG 蒙版文件相对路径 |
| annotator_id | String(16) | 标注者唯一ID，脱敏处理 |
| review_status | Enum | PENDING | REVIEWED | DISPUTED |
| quality_passed | Boolean | true | false（质检是否通过） |
| quality_reason | String | 不通过原因（模糊/色偏/过曝/遮挡/裁剪/离焦/反光/其他） |
| created_at | DateTime | ISO 8601 格式，标注创建时间 |
脱敏 JSON 数据样例
[
{
"image_id": "TCM01A000123",
"sample_type": "TONGUE_TOP",
"task_type": "TONGUE_TOP",
"label_category": "tongue_color",
"label_value": "淡红舌",
"bbox_coords": [120, 80, 240, 260],
"mask_path": "masks/TCM01A000123_tongue_top.png",
"annotator_id": "ANN0321",
"review_status": "REVIEWED",
"quality_passed": true,
"quality_reason": null,
"created_at": "2026-02-15T09:30:00+08:00"
},
{
"image_id": "TCM01B000456",
"sample_type": "TONGUE_TOP",
"task_type": "TONGUE_TOP",
"label_category": "coating_color",
"label_value": "薄白苔",
"bbox_coords": [115, 75, 250, 270],
"mask_path": "masks/TCM01B000456_tongue_top.png",
"annotator_id": "ANN0321",
"review_status": "REVIEWED",
"quality_passed": true,
"quality_reason": null,
"created_at": "2026-02-16T10:15:00+08:00"
},
{
"image_id": "TCM02A000789",
"sample_type": "TONGUE_BOTTOM",
"task_type": "TONGUE_BOTTOM",
"label_category": "sublingual_vein",
"label_value": "舌下络脉怒张",
"bbox_coords": [100, 60, 280, 200],
"mask_path": "masks/TCM02A000789_tongue_bottom.png",
"annotator_id": "ANN0456",
"review_status": "REVIEWED",
"quality_passed": true,
"quality_reason": null,
"created_at": "2026-02-18T14:20:00+08:00"
},
{
"image_id": "TCM03A000012",
"sample_type": "FACE",
"task_type": "FACE_DIAG",
"label_category": "face_complexion",
"label_value": "面色萎黄",
"bbox_coords": [0, 0, 512, 512],
"mask_path": null,
"annotator_id": "ANN0789",
"review_status": "REVIEWED",
"quality_passed": true,
"quality_reason": null,
"created_at": "2026-03-01T08:45:00+08:00"
},
{
"image_id": "TCM04A000567",
"sample_type": "SKIN",
"task_type": "QUALITY",
"label_category": "quality_status",
"label_value": "合格",
"bbox_coords": null,
"mask_path": null,
"annotator_id": "ANN0123",
"review_status": "PENDING",
"quality_passed": true,
"quality_reason": null,
"created_at": "2026-03-05T11:00:00+08:00"
}
]
标注规范与质量控制
标注标准
- 遵循中医诊断学教材标准（《中医诊断学》新世纪第五版）进行舌像/面像分类
- 舌像标注沿舌体边缘逐像素勾画分割蒙版，舌面/舌底分别标注
- 面部皮肤检测采用 COCO 格式矩形框标注，包含病灶 bbox + 类别标签
- 标注工具：自研 TCM-Annotator 标注平台，统一输出为 JSON/CSV/COCO 格式
质控流程（三级质检）
- 一级自检：标注中医师完成标注后对全部样本进行自查，修正明显错误和漏标
- 二级互检：另一名同级别中医师交叉审核，Kappa < 0.80 的批次退回重标
- 三级专家抽检：主任中医师随机抽取 20% 样本终审，整体标注一致率 ≥ 0.92
- 标签一致性：中医诊断分类 Kappa 系数 ≥ 0.85
采集规范
- 舌像采集：自然光/标准光源，患者伸舌自然放松，舌面充分暴露，分辨力 ≥ 1920×1080
- 面部采集：正面自然光，表情放松，无浓妆/遮挡，背景纯色，分辨力 ≥ 1920×1080
- 皮肤采集：微距/皮肤镜模式，病灶区域居中清晰，光线均匀无阴影
- 质量筛查：自动检测模糊、色偏、过曝、遮挡、裁剪、离焦、反光 7 类问题
质量指标
99.5%
数据完整率
0.85
Kappa 系数
<2%
退标率
0.92
一致率
AI 训练适用场景
智能舌诊辅助诊断
适用模型：EfficientNet / ConvNeXt / Swin Transformer。基于舌面/舌底分割掩码和18项舌诊分类标签，训练端到端的中医舌诊AI模型，实现舌色、苔色、舌形、舌下络脉的自动识别。
面部皮肤病变筛查
适用模型：YOLOv8 / DETR / RT-DETR。基于100+细分类别的面部皮肤检测标注，训练高精度皮肤病灶检测模型，支持痤疮、色斑、皱纹等多种皮肤问题的自动识别与分级。
面诊分析（望面色）
适用模型：CLIP / DINOv2 / ViT。利用面部整体标注（面色萎黄、面色苍白等4类），训练中医面诊视觉特征提取模型，实现基于面部图像的体质辨识与健康状态评估。
图像质量自动质控
适用模型：MobileNetV3 / EfficientNet-B0。基于8种不合格原因的质量标注，训练轻量级图像质量筛查模型，嵌入采集端实现实时质量反馈，降低废片率。
多模态中医诊断融合
适用模型：Multimodal Transformer / ALBEF / ImageBind。融合舌像、面像、皮肤影像的多模态特征，构建中医综合诊断模型，实现"望诊"全流程AI化，辅助中医师提高辨证准确率。
中医知识图谱构建
适用模型：GraphSAGE / RGCN / TransE。基于标注分类体系（舌诊18项 + 舌底8项 + 面诊4项）构建中医望诊知识图谱，支撑智能问诊、辨证推理等上层应用。
相关数据集
商业应用价值
中医智慧诊疗系统
训练中医舌诊/面诊AI辅助诊断引擎，赋能基层医疗机构实现标准化望诊，降低对资深中医师的依赖，市场规模超 30 亿元。
互联网中医平台
嵌入在线问诊App/小程序，提供AI预问诊与舌像自检功能，提升线上接诊效率 50% 以上，降低误诊漏诊风险。
中医科研与教学
为中医药高校和科研机构提供标准化标注数据，支撑中医望诊客观化、数字化研究及中医AI教材编撰。