分次激光换肤保护老年皮肤免受光化性肿瘤的有效性研究

该数据集来自 clinicaltrials.gov,聚焦肿瘤与皮肤癌领域,研究对象为患有光化性角化病、皮肤老化及非黑色素瘤皮肤癌的老年人群

Wright State UniversityWright State University
clinicaltrials
浏览 8
其他分类Actinic KeratosesAgingNon-Melanoma Skin Cancer
Effectiveness of Fractionated Laser Resurfacing to Protect Geriatric Skin From Actinic Neoplasia

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-07

资源简介

分次激光换肤保护老年皮肤免受光化性肿瘤的有效性研究

该数据集来自 clinicaltrials.gov,聚焦肿瘤与皮肤癌领域,研究对象为患有光化性角化病、皮肤老化及非黑色素瘤皮肤癌的老年人群。研究基于既往发现,即老年皮肤对紫外线B的反应不同于年轻皮肤,而皮肤年轻化治疗(如磨皮、分次激光换肤)可恢复适当的UVB反应。本干预性研究评估对一侧前臂进行分次激光换肤能否短期去除光化性角化病并产生长期保护效果。数据可用于分析老年皮肤光化性肿瘤的干预效果与UVB反应相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:光化性角化病、老化、非黑色素瘤皮肤癌。本研究是对既往研究的随访,既往研究已证明老年受试者对紫外线B(UVB)光的反应与年轻受试者不同。对老年皮肤进行皮肤年轻化治疗(磨皮、分次激光换肤)可恢复适当的UVB反应。正在进行的研 究已测试分次激光换肤(FLR)评估这种创伤效应能持续多久的能力——并发现这似乎是一种持久反应,至少持续两年。FLR在两年时保护老年皮肤的发现是本研究开展的推动力。本研究是一项干预性研究,旨在评估对患有多发性光化性角化病的老年受试者一侧前臂进行FLR治疗是否会导致光化性角化病的短期去除,以及长期

【主题与分类】

主题标签:Actinic Keratoses、Aging、Non-Melanoma Skin Cancer。本站分类:肿瘤/皮肤癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03906253

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/NCT03906253

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:光化性角化病、衰老、非黑色素瘤皮肤癌。本研究是对先前研究的随访,先前研究已证明老年受试者对紫外线B(UVB)光的反应与年轻受试者不同。采用皮肤年轻化疗法(皮肤磨削术、点阵激光换肤)治疗老年皮肤可恢复适当的UVB反应。正在进行的 studies 已测试点阵激光换肤(FLR)评估这种创伤效应能持续多久的能力——并发现这似乎是一种持久反应,至少持续两年。FLR在两年时保护老年皮肤的这一发现是本研究开展的推动力。本研究是一项干预性研究,旨在评估对患有多发性光化性角化病的老年受试者一侧前臂进行FLR治疗,与未治疗的手臂相比,是否会导致光化性角化病的短期清除,以及未来光化性角化病和其他非黑色素瘤皮肤癌水平的长期降低。研究时长与访视:研究的第一部分在1天内完成,随后在90天以及之后每6个月进行一次随访访视,持续5年。

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