免疫营养学方法预防皮肤癌
该数据集来自 clinicaltrials.gov,主题为免疫营养学方法预防皮肤癌,属于肿瘤/皮肤癌领域。源站描述指出皮肤癌是最常见的人类癌症之一,发病率上升,紫外线辐射是其主要致病因素;病例对照研究显示膳食鱼类或 omega-3 多不饱和脂肪酸摄入与非黑色素瘤皮肤癌发生呈负相关,omega-3 P

基本信息
资源简介
免疫营养学方法预防皮肤癌
该数据集来自 clinicaltrials.gov,主题为免疫营养学方法预防皮肤癌,属于肿瘤/皮肤癌领域。源站描述指出皮肤癌是最常见的人类癌症之一,发病率上升,紫外线辐射是其主要致病因素;病例对照研究显示膳食鱼类或 omega-3 多不饱和脂肪酸摄入与非黑色素瘤皮肤癌发生呈负相关,omega-3 PUFA 可能通过减少前列腺素 E2 生成进而减少光免疫抑制来降低光致癌风险,但迄今尚无研究评估其对人类皮肤光免疫抑制的影响。该研究旨在考察膳食 omega-3 PUFA 能否保护人体免受紫外线诱导的皮肤免疫抑制,可用于皮肤癌预防与营养干预相关预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:皮肤癌。皮肤癌是最常见的人类癌症之一,发病率不断上升,对人类健康造成相当大的负面影响。暴露于阳光中的紫外线辐射(UVR)是皮肤癌发生和发展的主要病因因素。人类病例对照研究报告,膳食鱼类或 omega-3 多不饱和脂肪酸(PUFA)摄入与非黑色素瘤皮肤癌的发生呈负相关。Omega-3 PUFA 有可能降低光致癌风险,主要是通过其减少前列腺素 E2 生成并因此减少光免疫抑制的能力。迄今为止,尚无研究评估 omega-3 PUFA 对人类皮肤光免疫抑制的影响。目的:考察膳食 omega-3 PUFA 在人体中抵御 UVR 诱导的皮肤免疫抑制的潜力。研究设计:一项双-
【主题与分类】
主题标签:Skin Cancer。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01032343
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/NCT01032343
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:皮肤癌。皮肤癌是人类最常见的癌症之一,其发病率不断上升,对人类健康造成显著负面影响。暴露于阳光中的紫外线辐射(UVR)是皮肤癌发生和发展的主要病因因素。人类病例对照研究报告称,膳食鱼类或omega-3多不饱和脂肪酸(PUFA)摄入量与非黑色素瘤皮肤癌的发生呈负相关。Omega-3 PUFA具有降低光致癌风险的潜力,主要通过其减少前列腺素E2生成的能力,从而减少光免疫抑制。迄今为止,尚无研究评估omega-3 PUFA对人类皮肤光免疫抑制的影响。目的:探讨膳食omega-3 PUFA在人类中抵御紫外线辐射诱导的皮肤免疫抑制的潜力。研究设计:一项双盲随机对照营养研究,纳入64名对镍敏感的健康人类志愿者。志愿者将接受为期3个月的膳食补充,分别为omega-3 PUFA(n=32)或明胶(n=32),两者均以相同的明胶胶囊形式提供。
目的是量化omega-3多不饱和脂肪酸对以下方面的影响:1. 紫外线辐射引起的临床接触性超敏反应(CHS)抑制 2. 紫外线辐射引起的表皮朗格汉斯细胞运输调节 3. 紫外线辐射引起的免疫调节介质水平变化
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。




