口腔癌发生光学相干断层扫描解读的系统化训练学习算法

数据集获取

源站：https://clinicaltrials.gov/study/NCT06321003

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：口腔鳞状细胞癌、口腔潜在恶性疾患、口腔白斑、增殖性疣状白斑、口腔扁平苔藓、口腔苔藓样病变、移植物抗宿主病、口腔红斑。背景与需求：尽管口腔筛查技术取得了进步，诊断延迟仍然存在，因此需要探索用于口腔癌早期检测的非侵入性方法。当前的标准诊断方法——组织学分析——通常需要进行侵入性活检，且可能耗时较长，导致治疗启动延迟。此外，传统筛查方法并不总能准确检测早期口腔病变。因此，亟需通过采用创新技术来提升诊断能力。在此背景下，光学相干断层扫描（OCT）作为一种有前景的技术，值得深入研究。OCT相较于传统诊断方法具有多项优势。其非侵入性特性使得能够以高分辨率对组织形态进行实时、无创成像，使临床医生能够观察口腔组织的结构变化。

通过提供组织层的横断面图像，OCT有望识别出指示早期口腔病变的细微改变，包括潜在恶性疾患（OPMDs）和鳞状细胞癌（OSCC）。此外，OCT能够通过支持随时间重复检查来促进早期检测，从而在无需重复活检的情况下监测病变的进展或消退。将OCT作为诊断工具的探索，与提高口腔癌诊断效率和准确性的迫切需求相契合。通过利用OCT的能力，临床医生有望加快对可疑病变的识别，从而实现及时干预并改善患者预后。此外，将OCT整合到常规临床实践中，有可能减轻与侵入性操作和诊断延迟相关的负担，最终提升对口腔癌风险人群的照护质量。然而，尽管有这些潜在益处，若干c

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。