5-Fluorouracil与Calcipotriene治疗低级别皮肤癌
该复方乳膏已被证明可清除光化性角化病并预防后续皮肤癌。数据可用于评估短程联合治疗对低级别皮肤癌的潜在效果,支持皮肤肿瘤治疗方案的比较分析(来源 clinicaltrials.gov)

基本信息
资源简介
5-Fluorouracil与Calcipotriene治疗低级别皮肤癌
该数据集来自clinicaltrials.gov,聚焦低风险皮肤癌的治疗研究,涵盖Superficial Basal Cell Carcinoma(sBCC)与Squamous Cell Carcinoma in Situ(SCCis)两种疾病。研究比较两种乳膏的疗效:常规4周5-Fluorouracil乳膏方案,与1:1比例5-Fluorouracil联合calcipotriene的复方乳膏短程(7-14天)方案。该复方乳膏已被证明可清除光化性角化病并预防后续皮肤癌。数据可用于评估短程联合治疗对低级别皮肤癌的潜在效果,支持皮肤肿瘤治疗方案的比较分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:浅表性基底细胞癌、原位鳞状细胞癌。研究者将比较两种不同乳膏在治疗低风险皮肤癌——浅表性基底细胞癌(sBCC)和原位鳞状细胞癌(SCCis)——中的应用。5-Fluorouracil乳膏目前获FDA批准用于治疗浅表性基底细胞癌,并被全国及Boston Medical Center(BMC)的皮肤科医生常规用于SCCis。两种皮肤癌的标准治疗方案均为使用5-fluorouracil乳膏4周。将测试一种由1:1比例5-fluorouracil与calcipotriene组成的复方乳膏的应用。该复方乳膏已被证明可清除称为光化性角化病的癌前皮肤病变,并预防未来皮肤癌的发生。该复方乳膏使用7-14天,以观察这一更短疗程是否
【主题与分类】
主题标签:Superficial Basal Cell Carcinoma、Squamous Cell Carcinoma in Situ。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05381597
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/NCT05381597
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:浅表性基底细胞癌、原位鳞状细胞癌。研究者将比较两种不同乳膏在治疗低风险皮肤癌——浅表性基底细胞癌(sBCC)和原位鳞状细胞癌(SCCis)中的应用。5-氟尿嘧啶乳膏目前获FDA批准用于治疗浅表性基底细胞癌,并且全国皮肤科医生以及波士顿医学中心(BMC)常规将其用于SCCis。针对这两种皮肤癌,5-氟尿嘧啶乳膏的标准治疗方案均为4周。将测试一种由5-氟尿嘧啶与卡泊三醇按1:1比例配制的复方乳膏的应用。这种复方乳膏已被证明可清除称为光化性角化病的癌前皮肤病变,并预防未来皮肤癌的发生。这种复方乳膏使用7-14天,以观察这一更短疗程能否清除这2种皮肤癌。这种复方乳膏已以这种方式成功用于治疗相关皮肤癌的其他亚型。
这将是一项初步研究,此初步随机单盲临床试验的主要终点将是治疗反应(有反应与无反应)。病灶将按照常规方式进行临床评估以确定癌症是否清除,这与同类研究评估清除的方法一致。之后,参与者将被密切随访三年,每6个月进行一次访问,这与标准实践并无不同。如果病灶未清除癌症或临床评估结果模棱两可,则将对病灶重新进行活检,并采取正常的标准护理程序。
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。




