口腔病理光动力检测光学传感器数据集
该数据集来自 clinicaltrials.gov，聚焦口腔疾病的光学检测与病理预测。研究旨在识别健康与疾病的光学预测因子及生物标志物，假设口腔病理的微结构、代谢、血管、蛋白质、基因组和代谢组学标志物可用于检测、预测和绘制口腔病理，尤其是肿瘤
基本信息
资源简介
口腔病理光动力检测光学传感器数据集
该数据集来自 clinicaltrials.gov，聚焦口腔疾病的光学检测与病理预测。研究旨在识别健康与疾病的光学预测因子及生物标志物，假设口腔病理的微结构、代谢、血管、蛋白质、基因组和代谢组学标志物可用于检测、预测和绘制口腔病理，尤其是肿瘤。Beckman Laser Institute 研究者开发了多种非侵入性成像模态，包括相干与多普勒断层成像、激光散斑成像、光子迁移光谱和自发荧光成像，并分析患者唾液样本中基因、蛋白质等分子活性失调数据，用于多模态数据采集与验证（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：口腔疾病。研究目的是识别健康与疾病的光学预测因子和生物标志物。假设：口腔病理的微结构、代谢、血管、蛋白质、基因组和代谢组学生物标志物可用于检测、预测和绘制口腔病理，尤其是肿瘤。Beckman Laser Institute（BLI）的研究人员已开发出多种用于评估口腔组织的非侵入性成像模态。该方案将允许使用这些多种模态进行数据采集，以验证数据。将使用的成像模态包括：1. 相干与多普勒断层成像（OCT）2. 激光散斑成像（LSI）3. 光子迁移光谱（PMS）4. 自发荧光成像。此外，将分析患者的唾液样本，以及有关基因、蛋白质和其他分子活性失调的结果数据
【主题与分类】
主题标签：Mouth Diseases。本站分类：内分泌、营养和代谢疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT00540774
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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://clinicaltrials.gov/study/NCT00540774
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
疾病：口腔疾病。研究目的是识别健康与疾病的光学预测因子和生物标志物。假设：口腔病理的微结构、代谢、血管、蛋白质、基因组和代谢组学生物标志物可用于检测、预测和绘制口腔病理，尤其是肿瘤。Beckman激光研究所（BLI）的研究人员已开发出多种用于评估口腔组织的非侵入性成像模式。本方案将允许使用这些多种模式进行数据采集，以验证数据。将使用的成像模式包括：1. 相干与多普勒断层扫描（OCT）2. 激光散斑成像（LSI）3. 光子迁移光谱（PMS）4. 自发荧光成像此外，还将分析患者的唾液样本，并将有关基因、蛋白质和其他分子活动失调的结果数据与不同成像系统关于口腔癌变阶段的发现进行关联。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
