通过自身荧光系统识别口腔病变

数据集获取

源站：https://clinicaltrials.gov/study/NCT05942794

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

条件：口腔白斑、自发荧光、二级预防、角化病、口腔扁平苔藓、口腔癌、口腔疾病。将使用GOOCLES®眼镜进行组织自发荧光分析，该设备能够在用普通光固化灯照射检查区域时检测荧光变化。将确定三名临床专业人员：* 牙科保健员（1）；* 全科牙医（2）；* 口腔医学与口腔病理学专家牙医（3）。所有患者在接受初步牙科检查后纳入研究，以排除有明显口腔病变的患者。牙科保健员（1）将通过填写“病史记录”收集患者数据。此外，（1）将进行首次临床检查（使用和不使用GOOCLES®），并在其自己的“操作员模块”上报告观察结果。

同样的筛查（使用和不使用GOOCLES®）将由普通牙医（2）盲法进行，如果其认为有必要，会将患者转诊给口腔病理学家（3），后者将确认或不确认（使用和不使用GOOCLES®）是否存在需要进一步检查（随访或活检）的口腔区域，并将其观察结果记录在自己的“操作者模块”上。将进行操作者间和操作者内比较，并将由此获得的数据进行处理以进行统计分析。

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。