COPARIME:恶性黑色素瘤目标检测试点研究

COPARIME 是一项在 clinicaltrials.gov 登记的恶性黑色素瘤目标检测试点研究,面向黑色素瘤高危患者

Nantes University HospitalNantes University Hospital
clinicaltrials
浏览 7
表格预测Patients at Risk for Melanoma
COPARIME: Pilot Study of a Target Detection of Malignant Melanoma

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-22

资源简介

COPARIME:恶性黑色素瘤目标检测试点研究

COPARIME 是一项在 clinicaltrials.gov 登记的恶性黑色素瘤目标检测试点研究,面向黑色素瘤高危患者。研究在 2 个设有癌症登记处的省份开展 7700 例患者队列,招募始于 2011 年 4 月,依据 SAMScore 评估高危者并由全科医生每年进行皮肤检查。该数据可用于评估黑色素瘤目标筛查的有效性与可接受性、估计高危人群发病风险函数以及估算筛查的成本效果比(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:有黑色素瘤风险的患者。黑色素瘤如今因其发病率不断上升而成为重要的公共卫生问题。由于成本效益低,全球不推荐对黑色素瘤进行大规模筛查。然而,针对黑色素瘤高危患者的目标筛查受到提倡。本研究旨在评估黑色素瘤目标筛查的有效性和可接受性,根据 SAMScore 估计高危患者中发生黑色素瘤的风险函数,并估计黑色素瘤目标筛查的成本/效益比。在 2 个设有癌症登记处的省份开展了 7700 例患者的队列。招募已于 2011 年 4 月开始。根据 SAMScore 评估为高危的患者被建议由其全科医生每年进行一次皮肤检查。

【主题与分类】

主题标签:Patients at Risk for Melanoma。本站分类:肿瘤/皮肤癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT01610531

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT01610531

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

条件:有黑色素瘤风险的患者。如今,黑色素瘤因其发病率不断上升而成为重要的公共卫生问题。由于成本效益较低,全球范围内不推荐对黑色素瘤进行大规模筛查。然而,针对黑色素瘤高危患者的定向筛查受到提倡。本研究旨在评估黑色素瘤定向筛查的有效性和可接受性,根据SAMScore估算高危患者中发生黑色素瘤的风险函数,并估算黑色素瘤定向筛查的成本/效益比。在2个设有癌症登记处的省份开展了包含7700名患者的队列研究。招募工作已于2011年4月开始。根据SAMScore被评估为高危的患者被建议每年由其全科医生进行皮肤检查。

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。

获取专属数据定制方案