韩国放射工作人员流行病学研究
该数据集来自clinicaltrials.gov，聚焦韩国放射工作人员的职业辐射暴露健康风险研究。研究对象为自1984年起在Nuclear Safety and Security Commission登记的约190000名韩国放射工作人员，不包括诊断性医疗放射工作人员
基本信息
资源简介
韩国放射工作人员流行病学研究
该数据集来自clinicaltrials.gov，聚焦韩国放射工作人员的职业辐射暴露健康风险研究。研究对象为自1984年起在Nuclear Safety and Security Commission登记的约190000名韩国放射工作人员，不包括诊断性医疗放射工作人员。数据通过国家剂量登记、国家癌症登记、国家生命统计登记及健康保险数据的前瞻性或回顾性收集与链接，用于评估辐射诱发的癌症及非癌症疾病风险，并按5年间隔持续更新（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：职业辐射暴露、辐射诱发肿瘤、辐射诱发白血病、辐射效应。本研究的研究人群为自1984年以来在Nuclear Safety and Security Commission登记的约190000名韩国放射工作人员。诊断性医疗放射工作人员未纳入研究人群。根据《核安全法》，放射工作人员的国家剂量登记、国家癌症登记、国家生命统计登记和国家健康保险数据以回顾性或前瞻性方式收集。通过链接这些收集的数据，我们将评估辐射诱发的健康风险，包括癌症和非癌症疾病。该数据收集将按5年间隔持续进行，以更新现有研究参与者的信息，并在可能的情况下招募新入职的工作人员。年龄和
【主题与分类】
主题标签：Occupational Exposure to Radiation、Neoplasms, Radiation-Induced、Leukemia, Radiation-Induced、Radiation Effects。本站分类：肿瘤/白血病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05380570
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/NCT05380570
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：职业性辐射暴露、辐射诱发肿瘤、辐射诱发白血病、辐射效应。本研究的研究人群为自1984年以来在核安全与安保委员会登记的约19万名韩国辐射工作人员。诊断性医疗辐射工作人员未纳入研究人群。根据《核安全法》，回顾性或前瞻性收集辐射工作人员的国家剂量登记系统、国家癌症登记系统、国家生命统计登记系统和国家健康保险数据。通过关联这些收集的数据，我们将评估辐射诱发的健康风险，包括癌症和非癌症疾病。该数据收集将每隔5年继续进行，以更新现有研究参与者的信息，并在可能的情况下招募新聘工作人员。将计算年龄和性别特异性标准化发病率和死亡率比值，以将癌症和非癌症疾病风险与一般人群进行总体比较。
在剂量-反应评估中，将估算每戈瑞的超额相对风险和每戈瑞的超额绝对风险，并对年龄及潜在混杂因素（如生活方式因素和社会经济状况）进行调整。
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。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
