COPD患者基于风险的肺癌检测

数据集获取

源站：https://clinicaltrials.gov/study/NCT07848815

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

疾病：肺癌（诊断）、COPD（慢性阻塞性肺疾病）。肺癌是丹麦癌症相关死亡的主要原因，很大程度上归因于诊断时已处于晚期。通过低剂量计算机断层扫描（LDCT）进行早期检测已在National Lung Screening Trial和NELSON试验等试验中显示可降低死亡率，但由于成本、检查能力和假阳性结果风险，其实施仍然有限。基于风险的策略可能通过识别风险最高的个体来提高筛查效率。这项前瞻性、单中心干预性研究评估在慢性阻塞性肺疾病（COPD）患者中进行肺癌风险分层的可行性和临床实施。将从一家门诊诊所纳入共1,000名患者。在基线时，参与者将使用PLCOm2012模型和基于临床与实验室数据的机器学习（ML）模型进行风险评估。任一模型判定为高风险的患者将被转诊接受LDCT，而低风险患者将继续接受标准诊疗。如果LDCT发现可疑，将按常规临床实践进行进一步诊断评估。参与者将通过电子健康记录随访最长六年，并在1年、2年和6年时进行结局评估。主要结局是经组织病理学确诊的肺癌发生率。次要结局包括LDCT转诊依从性、从风险评估到LDCT的时间、需筛查人数、医疗资源利用、医疗费用和安全性，包括与诊断操作相关的不良事件。

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。