黑人社区生活实验室建设:促进前列腺健康公平并减少黑人男性前列腺癌差异
研究拟在三个 American Legion Posts 共同创建以用户为中心的真实世界 CoLLab 学习健康系统,并与未设 CoLLab 的 Post 比较;Post 197 为枢纽,Post 244 和 Post 194 为分支

基本信息
资源简介
黑人社区生活实验室建设:促进前列腺健康公平并减少黑人男性前列腺癌差异
前列腺癌。研究拟在三个 American Legion Posts 共同创建以用户为中心的真实世界 CoLLab 学习健康系统,并与未设 CoLLab 的 Post 比较;Post 197 为枢纽,Post 244 和 Post 194 为分支。目标为评估和评价其在个人与社区层面的影响,并探索在黑人社区全国推广的可行性。参与者一年内至少每月两次使用该系统任意服务(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:前列腺癌。 主要目标: I. 在三个 American Legion Post 共同创建以真实生活用户为中心的 CoLLab Learning Health System,并与未建立 CoLLab 的 American Legion Post 进行比较。American Legion Post 197 将作为中心枢纽,Post 244 和 Post 194 作为分支。 II. 在个体和社区层面,评估和评价 CoLLab Learning Health Systems 相较于对照 Post 的影响。 III. 探索在全国黑人社区中复制 CoLLab Learning Health System 的可行性。 概要:参与者访问 CoLLab Learning Health System,以使用其中任何服务,至少每月两次,持续最长 1 年。
【主题与分类】
主题标签:Prostate Carcinoma。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06541210
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/NCT06541210
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:前列腺癌。
主要目标:
I. 在三个 American Legion Post 共同创建以真实生活用户为中心的 CoLLab Learning Health System,并与未建立 CoLLab 的 American Legion Post 进行比较。American Legion Post 197 将作为中心枢纽,Post 244 和 Post 194 作为分支。
II. 在个体和社区层面,评估和评价 CoLLab Learning Health Systems 相较于对照 Post 的影响。
III. 探索在全国黑人社区中复制 CoLLab Learning Health System 的可行性。
概要:参与者访问 CoLLab Learning Health System,以使用其中任何服务,至少每月两次,持续最长 1 年。
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。




