用于评估癌症患者一般症状的移动传感器技术

数据集获取

源站：https://clinicaltrials.gov/study/NCT04465214

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

病症：肿瘤、实体瘤、前列腺癌、肺癌、结肠癌。背景：* 越来越多的移动健康解决方案正在使各种生理过程及疾病状况的追踪、诊断和管理成为可能，许多常见设备如智能手机（例如iPhone）已集成强大的传感器来收集和追踪这些数据。* 肿瘤学中最常用的两种工具包括东部肿瘤协作组体能状态（ECOG PS）和卡氏体能状态（KPS）量表，这两种量表发明于50多年前。* 尽管标准体能状态（PS）测量在临床上实施简便，但它们具有回顾性，易受偏见和限制，包括观察者内或观察者间的变异性；它们是间歇性的，仅提供评估时参与者状态的快照；并且它们在很大程度上是主观的，依赖于医生的判断以及参与者回忆事件和描述症状的能力。无法回顾性验证或确认PS评估的准确性是另一个局限。

• 了解准确的PS对参与者护理的益处广泛，包括根据副作用特征、生存获益和临床试验资格做出正确的治疗决策。
• 生物识别数据还可以通过向参与者提供日常生活活动和其他功能的定量反馈，在赋能他们成为自身护理的积极参与者方面发挥作用。
• 有一些研究探索了现有电子活动监测（EAM）系统的准确性，但关于EAM系统在肿瘤参与者中使用的可用数据有限。
• 连续生物识别数据不仅可以提供关于癌症参与者活动水平波动的可操作见解，还可以提供关于他们在整个治疗周期中认知功能和情绪波动的可操作见解。
• 鉴于当前癌症参与者整体临床评估的局限性，使用远程传感器技术可以提供一种

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。