データセット構成調査 (Dataset Survey)

調査日: 2026-09-27．研究室 PC（C:\Users\Papin\clinical-data\TIASJudgeModel\）上のデータを，画像本体・ファイル名を手元に持ち出さずに集計した（取得したのはフォルダ名・件数・画像メタデータ・画素値の集計のみ）．

フォルダ構成とラベル対応 (Folder to Label Mapping)

サブフォルダは無く，9 フォルダの直下に画像が置かれている．フォルダ名が「クラス＿程度」を表し，淡紅（正常）のみ程度の区分が無い．

フォルダ名	枚数	`label`	`severity`
`淡紅（正常）`	337	`light_red`	`normal`
`暗赤紅＿あり`	247	`dark_red`	`strong`
`暗赤紅＿ややあり`	133	`dark_red`	`mild`
`紫＿ややあり`	89	`purple`	`mild`
`紅＿あり`	61	`red`	`strong`
`紅＿ややあり`	58	`red`	`mild`
`紫＿あり`	56	`purple`	`strong`
`淡白＿あり`	53	`pale`	`strong`
`淡白＿ややあり`	51	`pale`	`mild`
合計	1085	—	—

不均衡は最大 / 最小 = 380 / 104 ≒ 3.7 倍（中程度）．9 クラスとして扱うと 51〜337 で 6.6 倍・最小クラス 51 枚まで落ちるため，学習は 5 クラスで行う（SPEC_02）．

項目	実測
形式	すべて PNG（1085 / 1085）
ピクセル形式	すべて `Format24bppRgb`（アルファチャンネルなし）
マスク外領域	四隅 4340 点（1085 枚 × 4 隅）すべてが `(0, 0, 0)` の黒
幅	449〜900（平均 675.2）
高さ	279〜1025（平均 613.6）

サイズが画像ごとに異なることから，舌領域のバウンディングボックスで切り出されていると考えられる．

2026-09-27 にユーザーへ確認した事項．

項目	内容
撮影	TIAS（SmTIAS 系の撮影システム）で撮影されたもの
セグメンテーション	専用の機械学習モデルによる自動切り出し（手動ではない）
患者と画像の対応	1 患者 1 枚（確定）
データ利用	機械学習での利用について問題ないことを確認済み
ファイル名	1085 件すべて ASCII 文字のみ（日本語・非 ASCII を含まない）
ファイルの更新日時	2025-11-04〜2025-12-05（1073 件が 2025-11）．これはセグメンテーション出力時の日付であり，撮影日時ではない

※ 自動セグメンテーションのため，切り出し誤差がノイズ源になりうる（誤分類の分析時に考慮する）． ※ 撮影日時・端末・撮影設定のメタデータは本データセットには含まれない．

研究室 PC へ ssh で接続し，PowerShell を実行した（個票は出力せず，集計値のみを取得）．

※ 日本語フォルダ名は CP932 で返るため，取得側で UTF-8 に変換する必要がある．複雑な PowerShell は -EncodedCommand（UTF-16LE + Base64）で渡すと引用符の問題を回避できる．