米诺地尔联合或不联合低强度红光治疗改善乳腺癌患者化疗所致脱发
研究比较低强度光疗（LLLT）联合外用米诺地尔与单用外用米诺地尔的效果，主要结局为 Dean 量表评分的毛发密度改善，次要结局包括毛发镜评估的毛发密度与直径变化及化疗脱发困扰量表（CADS）生活质量评分变化
基本信息
资源简介
米诺地尔联合或不联合低强度红光治疗改善乳腺癌患者化疗所致脱发
该数据集来自 clinicaltrials.gov，聚焦乳腺癌患者化疗所致脱发（Chemotherapy-Induced Alopecia）的干预研究，覆盖 AJCC v8 解剖学 I 至 IV 期乳腺癌。研究比较低强度光疗（LLLT）联合外用米诺地尔与单用外用米诺地尔的效果，主要结局为 Dean 量表评分的毛发密度改善，次要结局包括毛发镜评估的毛发密度与直径变化及化疗脱发困扰量表（CADS）生活质量评分变化。数据可用于脱发治疗效果评估与相关预测建模（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：AJCC v8 解剖学 I 期乳腺癌、AJCC v8 解剖学 II 期乳腺癌、AJCC v8 解剖学 III 期乳腺癌、AJCC v8 解剖学 IV 期乳腺癌、化疗所致脱发。主要目的：I. 确定接受低强度光疗（LLLT）联合外用米诺地尔与单用外用米诺地尔治疗的化疗所致脱发患者中，由 Dean 量表评分确定的毛发密度改善情况。次要目的：I. 确定接受 LLLT 联合外用米诺地尔与单用外用米诺地尔治疗的化疗所致脱发患者中，由毛发镜评估确定的毛发密度和毛发直径改善情况。II. 确定化疗所致脱发患者中化疗脱发困扰量表（CADS）问卷评分的生活质量变化
【主题与分类】
主题标签：Anatomic Stage I Breast Cancer AJCC v8、Anatomic Stage II Breast Cancer AJCC v8、Anatomic Stage III Breast Cancer AJCC v8、Anatomic Stage IV Breast Cancer AJCC v8、Chemotherapy-Induced Alopecia。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07594678
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/NCT07594678
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：解剖学I期乳腺癌AJCC第8版、解剖学II期乳腺癌AJCC第8版、解剖学III期乳腺癌AJCC第8版、解剖学IV期乳腺癌AJCC第8版、化疗引起的脱发。主要目的：I. 确定在接受低强度光疗（LLLT）联合局部米诺地尔治疗与单独局部米诺地尔治疗的化疗引起的脱发患者中，通过Dean量表评分确定的毛发密度改善情况。次要目的：I. 确定在接受LLLT联合局部米诺地尔治疗与单独局部米诺地尔治疗的化疗引起的脱发患者中，通过毛发镜检查评估的毛发密度和毛发直径改善情况。II. 确定在接受LLLT联合局部米诺地尔治疗与单独局部米诺地尔治疗的化疗引起的脱发患者中，化疗脱发困扰量表（CADS）问卷评分的生活质量变化。方案概要：患者被随机分配至2个组之一。第I组：患者每日局部涂抹米诺地尔于头皮，持续6个月，直至出现不可接受的毒性。
ARM II：患者每日在头皮局部使用米诺地尔，并使用Revian RED LED光帽进行低强度红光治疗，每日10分钟，持续6个月，前提是未出现不可接受的毒性。研究干预完成后，对患者进行12个月随访。
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。
