宽场荧光与反射成像系统及口腔组织样本监测口腔癌风险参与者
该数据集来自clinicaltrials.gov，聚焦口腔癌风险人群的监测。覆盖Erythroplakia、Fanconi Anemia、Lichen Planus、口腔与唇癌前病变、口腔白斑、口腔肿瘤、癌前病变及烟草使用障碍等状况
基本信息
资源简介
宽场荧光与反射成像系统及口腔组织样本监测口腔癌风险参与者
该数据集来自clinicaltrials.gov，聚焦口腔癌风险人群的监测。覆盖Erythroplakia、Fanconi Anemia、Lichen Planus、口腔与唇癌前病变、口腔白斑、口腔肿瘤、癌前病变及烟草使用障碍等状况。数据涉及使用标准白光头灯检查口腔，并采用宽场反射与荧光成像和/或荧光光谱成像，在350 nm、380 nm、400 nm、450 nm等激发波长组合下获取口腔黏膜图像，同时进行标准口腔刷活检与显微镜检查。可用于比较不同波长图像与标准白光图像、病理分析及癌变进展，支持口腔癌前病变的影像分类与风险监测研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Erythroplakia、Fanconi Anemia、Lichen Planus、口腔与唇癌前状况、口腔白斑、口腔肿瘤、癌前病变、烟草使用障碍。主要目标：I. 比较在不同波长组合（包括350 nm、380 nm、400 nm和450 nm激发）下获得的口腔黏膜图像与标准白光图像、任何活检组织的病理分析（当可获得时）以及癌变进展。概述：临床医生使用标准白光头灯检查参与者的口腔。随后参与者接受使用宽场反射和荧光成像和/或荧光光谱成像的口腔黏膜检查。还进行标准口腔刷活检并进行显微镜检查。参与者可能在后续随访中接受重复成像程序和活检。
【主题与分类】
主题标签：Erythroplakia、Fanconi Anemia、Lichen Planus、Oral Cavity Leukoplakia、Oral Neoplasm、Premalignant Lesion、Tobacco Use Disorder。本站分类：肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT00542373
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/NCT00542373
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
疾病：红斑、范可尼贫血、扁平苔藓、口腔及唇癌前病变、口腔白斑、口腔肿瘤、癌前病变、烟草使用障碍。主要目标：I. 比较在不同波长组合（包括350纳米、380纳米、400纳米和450纳米激发）下获得的口腔黏膜图像，与标准白光图像、任何活检组织的病理分析（如有）以及癌变进展进行对比。概要：临床医生使用标准白光头灯检查参与者的口腔。随后，参与者接受宽场反射和荧光成像和/或荧光光谱成像的口腔黏膜检查。还进行标准口腔刷活检并进行显微镜检查。参与者在随后的随访中可能会接受重复的成像程序和活检。
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。
