AI增强OCT成像用于基底细胞癌术前边缘检测

该数据集来自clinicaltrials.gov,关注皮肤基底细胞癌(BCC)的术前边缘检测。BCC是最常见的人类恶性肿瘤,每年影响约200万美国人

Henry Ford Health SystemHenry Ford Health System
clinicaltrials
浏览 11
医学影像分类Basal Cell Carcinoma of Skin
AI-enhanced OCT Imaging for Pre-surgical Margin Detection of Basal Cell Carcinoma

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-09

资源简介

AI增强OCT成像用于基底细胞癌术前边缘检测

该数据集来自clinicaltrials.gov,关注皮肤基底细胞癌(BCC)的术前边缘检测。BCC是最常见的人类恶性肿瘤,每年影响约200万美国人。Mohs显微手术(MMS)通过逐层切除组织,若能通过更准确的初始肿瘤边缘评估减少所需切除阶段,则可降低成本。本观察性研究旨在了解光学相干断层扫描(OCT)结合人工智能算法在MMS前检测浅表BCC边缘的准确性,并确定AI-OCT引导的边缘勾画能否减少MMS阶段数。研究者将首先验证AI-OCT作为准确检测BCC的方法,后续研究将解决引导性术前边缘勾画问题(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:皮肤基底细胞癌。基底细胞癌(BCC)是最常见的人类恶性肿瘤,每年影响约200万美国人。Mohs显微手术(MMS)通过逐层切除组织。如果通过更准确的初始肿瘤边缘评估减少所需切除阶段数,则可降低MMS的成本。本观察性研究的目标是了解光学相干断层扫描(OCT)与人工智能算法结合使用在MMS前检测浅表BCC边缘是否准确。本研究还旨在确定AI-OCT引导的边缘勾画能否减少MMS的阶段数。研究人员将首先专注于验证AI-OCT作为准确检测BCC的方法。后续研究将解决引导性术前边缘勾画问题。

【主题与分类】

主题标签:Basal Cell Carcinoma of Skin。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07358637

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07358637

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:皮肤基底细胞癌。基底细胞癌(BCC)是人类最常见的恶性肿瘤,每年影响约200万美国人。莫氏显微手术(MMS)通过连续切除来去除组织。如果通过更准确的初始肿瘤边缘评估减少必要的切除阶段数,MMS的成本可以降低。这项观察性研究的目标是了解光学相干断层扫描(OCT)与人工智能算法结合使用在MMS前检测浅表BCC边缘方面是否准确。本研究还旨在确定AI-OCT引导的边缘描绘是否能减少MMS的阶段数。研究人员将首先专注于验证AI-OCT作为准确检测BCC的方法。后续研究将解决引导的术前边缘描绘问题。

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。

获取专属数据定制方案