人工智能辅助眼表恶性色素性肿瘤筛查数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT05645341

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：眼眶肿瘤、结膜肿瘤、眼肿瘤。罕见病通常指患病率低于1/10000、患者人数少于140000的疾病。罕见病普遍面临合格医生缺乏、大规模筛查困难、缺乏快速有效的就医渠道等困境。研究表明，42%的患者表示曾被误诊，每位罕见病患者平均需要经历8位医生、耗时7年才能见到相应的罕见病专家。更重要的是，大多数罕见病严重影响患者的健康和生活质量。眼表恶性肿瘤是一种典型的罕见病，发病率低于1/100000。眼表不仅影响患者外貌，还会损害视功能，恶性肿瘤甚至可能影响生命。这些不常见的恶性肿瘤常隐藏于眼表常见的黑痣中，容易被忽视，具有很大的潜在风险。

随着人们生活水平的提高，人们开始关注罕见病。近年来，数字技术的快速发展也为罕见病的防治提供了新的机遇。我们团队在前期建立了中国罕见眼病数据库，为珍贵临床数据的数字化提供了坚实基础。本研究拟开发眼表恶性肿瘤智能筛查系统，利用手机进行真实世界验证和规模化筛查，并探索其提升医生罕见病诊疗能力的作用。本研究有望提高眼表恶性肿瘤的筛查能力，为罕见病的普适性筛查提供新模式。

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。