使用LumAssure设备对皮肤状况评估受试者进行的观察性研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT06661577

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病：皮肤癌——基底细胞癌、皮肤癌——鳞状细胞癌、皮肤黑色素瘤、炎症性皮肤病、肢端黑色素瘤、良性皮肤痣、良性皮肤肿瘤。在这项观察性研究中，将在诊所使用LumAssure设备测量拉曼光谱，对象包括前往标准医疗诊所进行皮肤评估和/或活检的患者（SOC参与者），以及前往临床研究中心就诊的健康志愿者（HV参与者）。LumAssure设备是在先前的一项概念验证研究中开发和使用的（https://doi.org/10.1016/j.xjidi.2023.100238）。开发一种能够区分恶性和良性皮肤病的稳健分类算法，需要从具有不同Fitzpatrick皮肤类型的庞大且多样化的参与者群体中收集临床测量数据。参与者将通过广告招募。所有参与者在参与研究和数据收集之前必须提供知情同意。SOC参与者的目标病变将由其医学专家在临床就诊期间确定，以进行LumAssure测量。

参与者数据将去标识化，使用唯一的研究编号，并直接录入电子数据采集系统。本研究将按照方案及适用的监管要求进行。参与者的权利与安全以及研究数据的完整性，将由独立的合同研究组织按照方案和既定程序进行监查。本研究将收集约1，600至3，000个皮肤状况评估数据点病例，来自估计400至750名参与者（估计每名参与者1至4处病变）。参与者样本量已由独立生物统计学家确定。方案确立了数据处理、管理和分析的标准，以实现主要和次要目标。

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。