Aldara 治疗大和/或多发性 sBCC
基底细胞癌是最常见的皮肤癌，当前治疗常为手术，但可能受病灶数量、位置、患者年龄或潜在美容效果的限制。该研究旨在评估 imiquimod 作为非手术治疗在患有多发性或大 sBCC 受试者中的有效性
基本信息
资源简介
Aldara 治疗大和/或多发性 sBCC
该数据集英文名为“Aldara for the Treatment of Large and/or Multiple sBCC”，收录于本站肿瘤 / 皮肤癌分类之下，来源站为 clinicaltrials.gov。其主题标签为“Carcinoma, Basal Cell”。从源站描述可知，基底细胞癌（BCC）是最常见的皮肤癌形式，当前治疗常采用手术方式，但手术可能受到病灶数量、病灶位置、患者年龄或潜在美容效果等因素的限制。该研究关注的是在患有多发性或较大 sBCC 的受试者中，评估 imiquimod 作为非手术治疗的有效性。整体而言，该数据集围绕基底细胞癌的非手术治疗探索展开，适合关注皮肤肿瘤治疗、尤其是手术替代方案的研究人员参考使用。
【数据集背景】
基底细胞癌是最常见的皮肤癌形式。根据源站描述，当前治疗常为手术，但手术的应用可能受到多方面因素限制，包括病灶的数量、病灶的位置、患者的年龄，以及潜在的美容效果。这些限制使得非手术治疗方案具有探索价值。该数据集所对应的研究，正是针对患有多发性或较大 sBCC 的受试者，评估 imiquimod 作为一种非手术治疗的有效性。因此，该数据集的背景立足于皮肤癌治疗中手术受限的临床情境，以及寻找替代治疗路径的需求。
【数据内容】
该数据集的主题标签为“Carcinoma, Basal Cell”，本站分类为肿瘤 / 皮肤癌。源站描述中提及的研究对象为患有多发性或较大 sBCC 的受试者，研究目的是评估 imiquimod 作为非手术治疗的有效性。关于数据集具体包含哪些字段、变量、记录数量、受试者人数、疗效指标、随访时间等详细内容，源站未提供。
【采集与来源】
该数据集来源站为 clinicaltrials.gov。其英文名称为“Aldara for the Treatment of Large and/or Multiple sBCC”。源站描述中列出了研究条件为 Carcinoma, Basal Cell，并说明了研究目的。关于数据采集的具体时间范围、采集方式、采集机构、受试者招募地点与流程等，源站未提供。
【适用场景】
基于源站描述，该数据集适用于关注基底细胞癌非手术治疗的研究场景，尤其是围绕 imiquimod 在多发性或较大 sBCC 受试者中有效性评估的参考。由于基底细胞癌是最常见的皮肤癌，且当前治疗常为手术但可能受病灶数量、位置、患者年龄或潜在美容效果限制，该数据集也可为探讨手术替代方案、非手术干预策略的研究提供背景性参考。关于该数据集在其他具体场景中的适用性，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、访问权限、分析流程、统计方法或配套工具等。
【质量与限制】
源站未提供关于该数据集质量与限制的说明，包括数据完整性、准确性、偏倚控制、样本代表性或已知局限等。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT00189280
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：基底细胞癌。基底细胞癌是最常见的皮肤癌类型。目前的治疗通常为手术，但手术可能受到病灶数量、位置、患者年龄或潜在美容效果的限制。本研究旨在评估咪喹莫特作为一种非手术治疗方案，在患有多发性或大面积浅表型基底细胞癌受试者中的有效性。
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。
