局部5-FU与Calcipotriol作为光动力疗法预处理治疗区域型光化性角化病的疗效
该数据集来自clinicaltrials.gov,关注面部和头皮区域型光化性角化病(Actinic Keratoses)的光动力疗法预处理

基本信息
资源简介
局部5-FU与Calcipotriol作为光动力疗法预处理治疗区域型光化性角化病的疗效
该数据集来自clinicaltrials.gov,关注面部和头皮区域型光化性角化病(Actinic Keratoses)的光动力疗法预处理。研究计划招募50名患者,随机分为两组,分别使用calcipotriol和5-FU进行预处理,每组25人。数据涵盖基线人口学信息、既往皮肤癌史、吸烟史、日晒史、免疫抑制剂使用史及既往治疗情况,并包括治疗区域边界标记、左右头皮及正位照片拍摄等。可用于评估两种预处理方案在日光光动力疗法中的疗效差异,支持皮肤癌相关临床研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:面部和头皮光化性角化病,光化性角化病。1. 招募:我们将招募50名转诊至我科接受头皮和前额光化性角化病日光光动力疗法治疗的患者。患者将根据入组顺序获得研究专用编号。25名患者将随机接受calcipotriol预处理,25名接受5-FU预处理。2. 记录人口学数据:相关基线特征将在基线访视时登记(既往皮肤癌史、吸烟是/否、日晒史、既往使用免疫抑制剂药物史、既往AK治疗史)。3. 初次访视——计数AK/绘图/拍照:将使用皮肤标记笔界定并标记治疗区域的边界。将拍摄右侧和左侧头皮以及头皮正位的照片——带有研究编号和
【主题与分类】
主题标签:Actinic Keratosis of Face and Scalp、Actinic Keratoses。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06685588
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/NCT06685588
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:面部和头皮的日光性角化病、日光性角化病。1. 招募 我们将招募50名转诊至我科接受日光光动力疗法治疗头皮和前额日光性角化病的患者。患者将根据入组顺序获得研究专用编号。25名患者将随机接受卡泊三醇预处理,25名接受5-FU预处理。2. 记录的人口学数据 相关基线特征将在基线访视时登记(既往皮肤癌史、吸烟是/否、日晒史、既往免疫抑制剂用药史、既往AK治疗史)。3. 初次访视——计数AK/标测/拍照 将使用皮肤标记笔界定并标记治疗区域的边界。将拍摄右侧头皮、左侧头皮及头皮正面的照片——照片中需可见研究编号和标记。我们将计数每个治疗区域内的AK,然后进行分级、标记和标测。AK将采用Olsen分类系统进行分级。1级意味着几乎不可见但可触及。2级意味着可见且可触及。3级意味着角化过度。
我们将按上述方法再次拍摄治疗区域,并标记出光化性角化病(AK)。在所有患者中,角化过度性病变将先用石蜡凝胶进行预处理,以去除角化碎屑。将按上述方法拍摄照片,并用皮肤标记笔标记出AK。通过在每个先前标记的AK上描记以及模板轮廓,制作一张聚乙烯地图,并标出体表标志,以便在随访时定位治疗部位。该地图将按上述方法拍照。4. 随机化与盲法 随机化将通过区组随机化(1:1)实现,患者选择一个装有标有5-FU或卡泊三醇卡片的信封,由此决定使用哪种预处理。光疗护士将不设盲,并负责实施预处理。研究者MH、BM和AL在对患者进行评审时,均将对患者接受的是哪种治疗设盲。
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。




