联合光学与红外成像预测乳腺及胸壁放疗期间早期红斑
该数据集来自 clinicaltrials.gov，聚焦乳腺癌放疗期间皮肤红斑的早期预测。源站描述指出目前缺乏可靠工具来量化和检测放疗中的皮肤红斑，该副作用可能导致疼痛性湿性脱皮及毛细血管扩张等永久性迟发反应
基本信息
资源简介
联合光学与红外成像预测乳腺及胸壁放疗期间早期红斑
该数据集英文名为 Combined Optical and Infrared Imaging for Early Prediction of Erythema During Breast and Chestwall Radiotherapy，本站将其归类于肿瘤 / 乳腺癌方向，主题标签为 Breast Cancer，来源为 clinicaltrials.gov。它聚焦乳腺癌及胸壁放疗过程中皮肤红斑的早期预测问题。源站描述指出，目前尚缺乏可靠工具来量化和检测放疗期间的皮肤红斑，而这一副作用可能进一步发展为疼痛性湿性脱皮，甚至导致毛细血管扩张等永久性迟发反应。该数据集以可见光与红外成像相结合的方式对皮肤进行图像分析，服务于皮肤反应监测、分期与预测的研究需要。
【数据集背景】
放射治疗是乳腺癌及胸壁治疗的重要手段，但皮肤红斑是放疗过程中常见的副作用。源站描述明确指出，目前尚无可靠工具能够在放疗期间对皮肤红斑进行量化与检测。这种副作用若得不到有效监测，可能发展为疼痛性湿性脱皮，并最终造成毛细血管扩张等永久性迟发反应。源站还指出，给定患者所接受的剂量并不是预测红斑的可靠指标，因此需要一种新的方法来监测、分期并最终预测皮肤反应。该数据集正是在这一临床需求背景下提出的，旨在通过可见光与红外成像的结合，为皮肤红斑的早期预测提供图像分析基础。
【数据内容】
该数据集的核心内容是对皮肤进行可见光与红外两种成像方式的分析。源站描述提到，通过使用可见光与红外成像分析皮肤图像，以支持对皮肤反应的监测与预测。数据集名称中明确包含“Combined Optical and Infrared Imaging”，即光学与红外成像的结合。关于具体的图像数量、患者例数、文件格式、标注方式等细节，源站未提供。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov，属于注册于该平台的临床研究相关数据资源。源站描述中列出的研究条件为 Breast Cancer。关于采集地点、采集设备型号、采集时间跨度、受试者招募标准等信息，源站未提供。
【适用场景】
根据源站描述，该数据集所服务的研究目标包括对放疗期间皮肤红斑的量化与检测，以及在此基础上对皮肤反应进行监测、分期和预测。源站还指出，若能获得这样的工具，可支持多方面的干预安排，包括使用类固醇乳膏、通过分散射束入射点重新模拟和/或重新规划患者以降低皮肤剂量、调整或取消皮肤表面使用 bolus（其会提高表面剂量），以及采用包括俯卧位技术在内的其他治疗技术。因此，该数据集适用于乳腺癌放疗皮肤反应相关的影像分析与预测研究场景。关于具体的模型训练、验证用途等，源站未提供。
【使用方法】
源站描述提及通过分析可见光与红外皮肤图像来开展监测与预测，但未提供具体的使用流程、数据处理步骤、算法要求或操作规范。关于如何获取数据、如何划分训练与测试集、是否需要配准多模态图像等，源站未提供。
【质量与限制】
源站描述强调，剂量并非预测个体患者红斑的可靠指标，这构成了该研究方向的基本动机之一。数据集名称与描述表明其采用光学与红外联合成像，但关于图像质量、标注准确性、样本代表性、缺失情况等具体质量指标，源站未提供。该数据集来源于 clinicaltrials.gov 的注册研究描述，其可用数据范围与完整程度需以源站实际发布为准。
【引用与许可】
关于该数据集的引用方式、许可协议、使用条款与数据访问限制，源站未提供。
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://clinicaltrials.gov/study/NCT04363892
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
条件：乳腺癌。目前尚无可靠工具用于在放疗期间量化和检测皮肤红斑。该副作用可能导致疼痛性湿性脱屑，并最终导致毛细血管扩张等永久性迟发副作用。若有此类工具可用，则可分阶段实施多种干预措施，包括：(1) 使用类固醇乳膏，(2) 重新模拟和/或重新规划患者治疗方案，通过分散射束入射区域来降低皮肤剂量，(3) 调整或取消皮肤表面使用填充物（其会增加浅表剂量），或 (4) 使用其他治疗技术，包括俯卧位技术。鉴于所给予的剂量并非预测特定患者红斑的可靠指标，因此需要一种新方法来监测、分期并最终预测皮肤反应。
通过分析可见光和红外光谱区域的皮肤图像，并将图像中的信息仔细转换为定量指标，或许可以表征患者对放射治疗反应的阶段，并在仍处于可干预的早期阶段时，了解哪些患者可能继续经历慢性疼痛、严重烧伤或其他更严重的副作用。拟议的研究是开发一个软件模型，该模型将以患者皮肤图像数据和患者已知的临床结局作为输入，并通过算法泛化出一个模型，以便在获得少量初始图像后，预测任何未来患者的皮肤对电离辐射的生物学反应。在本研究的第一阶段，将汇总数据以设计剂量反应曲线。在后续阶段，该模型将被细化并用于预测目的，即一旦新患者开始放射治疗疗程，其初始反应将被量化，并输入模型以预测放射治疗疗程结束后的皮肤反应终点。如前所述，这些信息可用于调整放射疗程并优化治
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。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
