皮肤癌患者心理困扰的数字表型研究数据集
该数据集来自 clinicaltrials.gov，聚焦皮肤癌患者的心理困扰数字表型研究。研究采集 500 名患者 24 个月（12 个月回顾性加 12 个月前瞻性）的社交媒体内容，利用专家共识开发的 SC-LIWC 词典识别语言标记，并构建含词级、帖级、用户级编码器及平台嵌入的层次化 transf
基本信息
资源简介
皮肤癌患者心理困扰的数字表型研究数据集
该数据集来自 clinicaltrials.gov，聚焦皮肤癌患者的心理困扰数字表型研究。研究采集 500 名患者 24 个月（12 个月回顾性加 12 个月前瞻性）的社交媒体内容，利用专家共识开发的 SC-LIWC 词典识别语言标记，并构建含词级、帖级、用户级编码器及平台嵌入的层次化 transformer 网络，以预测 12 个月内自杀意念风险（C-SSRS 评分≥2），验证集 AUC 达 0.91。可用于皮肤癌患者焦虑抑郁与自杀风险的筛查与预测建模研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：Conditions: Skin Cancer, Melanoma (Skin Cancer), Squamous Cell Carcinoma Head and Neck Cancer (HNSCC), Basal Cell Carcinoma of Skin。皮肤癌患者焦虑和抑郁的发生率很高，但常规筛查并不一致。本研究收集 500 名患者 24 个月（12 个月回顾性 + 12 个月前瞻性）的社交媒体内容。通过专家共识开发的定制皮肤癌语言探究与词频统计（SC-LIWC）词典识别语言标记。构建了一个具有多头自注意力的层次化 transformer 网络，包括词级（RoBERTa-wwm-ext）、帖级（BiGRU+attention）和用户级（8 头自注意力）编码器，并带有平台嵌入以解决跨平台异质性。该模型预测 12 个月内的自杀意念风险（C-SSRS 评分 ≥2），在验证中达到 AUC=0.91。An AI Ear
【主题与分类】
主题标签：Skin Cancer、Melanoma (Skin Cancer)、Basal Cell Carcinoma of Skin。本站分类：肿瘤/皮肤癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07670403
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/NCT07670403
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、黑色素瘤（皮肤癌）、头颈部鳞状细胞癌（HNSCC）、皮肤基底细胞癌。皮肤癌患者焦虑和抑郁的发生率较高，但常规筛查并不一致。本研究在24个月内（12个月回顾性+12个月前瞻性）收集了500名患者的社交媒体内容。通过专家共识开发的定制皮肤癌语言探究与词频统计（SC-LIWC）词典识别语言标记。构建了一个具有多头自注意力的分层Transformer网络，包括词级（RoBERTa-wwm-ext）、帖子级（BiGRU+注意力）和用户级（8头自注意力）编码器，并加入平台嵌入以处理跨平台异质性。该模型预测12个月内的自杀意念风险（C-SSRS评分≥2），在验证中达到AUC=0.91。对AI早期预警系统（EWS）进行了前瞻性测试：在阈值0.38时触发警报，由心理学家审核（12.4分钟/警报），并自动提供干预措施（危机热线、在线咨询、心理教育材料）。
所有数据收集均遵守《中华人民共和国个人信息保护法》（PIPL），并采用五层去标识化协议（直接标识符移除、SHA-256哈希、命名实体识别（NER）脱敏、时间戳偏移、基于角色的访问控制）。该研究还考察了跨平台性能、最佳观察窗口及假阳性模式，以指导优化。
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。
