Vanguard 研究：测试一种新的癌症筛查方法

数据集获取

源站：https://clinicaltrials.gov/study/NCT06995898

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：膀胱癌、乳腺癌、结直肠癌、食管癌、胃癌、肝癌、肺癌、恶性实体肿瘤。主要目标：I. 评估招募可行性以及对方案要求的基线和随访数据及血液采集的依从性。II. 评估在参与招募中心实现代表性入组的可行性。次要目标：I. 评估参与者盲法对参与意愿、对方案要求的基线和随访数据及血液采集的依从性以及标准治疗筛查率的影响。II. 确定向参与者返还检测结果的及时性。III. 了解导致异常MCD检测缺乏诊断性解决的因素。IV. 检查参与者特征（包括癌症危险因素和健康的社会决定因素）对可行性各个方面的影响。V. 估计在试验之外接受MCD检测的参与者比例。VI. 评估分阶段引入第二个MCD检测干预组的可行性。VII.

估计异常MCD检测结果在诊断上得到解决的比例，以及解决所需时间。VIII. 比较干预组和对照组在随访期间接受标准护理筛查的参与者比例。IX. 评估每种MCD检测对组织来源预测的准确性。X. 估计与异常MCD检测结果诊断评估相关并发症的发生率。XI. 评估异常MCD检测及诊断检查对焦虑和癌症担忧的影响。XII. 评估MCD检测的临床诊断性能。探索性目标：I. 估计晚期癌症的发生率及癌症分期的分布。II. 估计每种MCD检测的检测靶向癌症特异性死亡率、所有癌症特异性死亡率及全因死亡率。III. 从支付方角度初步估计MCD检测相较于当前筛查实践的总预算影响和增量预算影响。

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。