头颈部斑疹的临床与皮肤镜分诊:反射式共聚焦显微镜在2006个病灶前瞻性研究中的作用
该数据集来自一项前瞻性多中心研究,评估将反射式共聚焦显微镜(RCM)与临床及皮肤镜评估整合后,对头颈部可疑扁平色素性或部分色素性斑疹管理的影响

基本信息
资源简介
头颈部斑疹的临床与皮肤镜分诊:反射式共聚焦显微镜在2006个病灶前瞻性研究中的作用
Clinical and Dermoscopic Triage of head and neck Macules: The Role of Reflectance Confocal Microscopy in a Prospective Study of 2006 Lesions
该数据集来自一项前瞻性多中心研究,评估将反射式共聚焦显微镜(RCM)与临床及皮肤镜评估整合后,对头颈部可疑扁平色素性或部分色素性斑疹管理的影响。研究纳入2017年11月至2020年2月间意大利北部三家皮肤科中心收治的801例患者、共2006个病灶。数据包含人口学与病灶相关变量、解剖部位、临床-皮肤镜诊断类别、估计恶性风险、RCM诊断、影像学方法间的一致或分歧、管理策略、可获得的组织病理学诊断以及保守管理病灶的随访结局,可用于皮肤肿瘤分诊与诊断一致性研究(来源 DOI 解析)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集包含一项前瞻性多中心研究的去标识化病灶级数据,该研究评估将反射式共聚焦显微镜(RCM)与临床及皮肤镜评估整合后,对头颈部可疑扁平色素性或部分色素性斑疹管理的影响。研究纳入2017年11月至2020年2月间在意大利北部三家专业皮肤科中心评估的801例患者的2006个病灶。数据集包括人口学与病灶相关变量、解剖部位、临床-皮肤镜诊断类别、估计恶性风险、RCM诊断、影像学方法间的一致或分歧、管理策略、可获得的组织病理学诊断,以及保守管理病灶的随访结局。诊断类别包括痣、日光性黑子、脂溢性角化病、扁平苔藓
【主题与分类】
主题标签:Skin Cancer、Confocal Microscopy、Melanoma。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/tm9g4r5jhz/1
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://doi.org/10.17632/tm9g4r5jhz.1
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:
数据集大小约 9.0 MB。
数据说明
该数据集包含一项前瞻性多中心研究的去标识化病变级数据,该研究评估了将反射式共聚焦显微镜(RCM)与临床及皮肤镜检查相结合,用于管理头颈部可疑扁平色素性或部分色素性斑疹的临床影响。该研究纳入了801例患者的2,006个病变,这些患者在2017年11月至2020年2月期间于意大利北部的三个专业皮肤病学中心接受评估。该数据集包括人口统计学和病变相关变量、解剖位置、临床-皮肤镜诊断类别、估计恶性风险、RCM诊断、影像学检查方式之间的一致或不一致、管理策略、可获得时的组织病理学诊断,以及对保守管理病变的随访结局。诊断类别包括痣、日光性黑子、脂溢性角化病、扁平苔藓样角化病、其他良性病变、光化性角化病、恶性雀斑样痣/恶性雀斑样痣黑色素瘤、基底细胞癌和鳞状细胞癌。
这些数据支持对诊断性能、方法学一致性、RCM后病变分类变化、需切除数量、组织病理学结果以及在皮肤镜和RCM均视为良性的病变中残留恶性肿瘤风险的分析。该数据集旨在促进透明度、可重复性,并推动对美容敏感解剖区域中临床棘手病变的非侵入性诊断路径的进一步研究。
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。




