评估人工智能工具辅助初级保健医生诊断皮肤病变

数据集获取

源站：https://clinicaltrials.gov/study/NCT07428941

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：皮肤病变、黑色素细胞痣、黑色素瘤（皮肤癌）、皮肤基底细胞癌、荨麻疹、脓疱型银屑病、光化性角化病、斑块状银屑病。本详细描述概述了在基层医疗中针对皮肤病理对Legit Health Plus医疗器械进行调查时所采用的临床方法学、技术框架和数据完整性方案。研究设计与技术方法本项研究为前瞻性观察性、横断面自身对照研究。研究采用多阅片者多病例（MRMC）框架，以衡量计算机辅助诊断（CAD）对临床医生表现的影响。* 自身对照框架：每位基层医疗从业者（PCP）作为其自身的对照，先在没有设备支持的情况下提供诊断，然后在有设备支持的情况下提供诊断。* 序贯评估工作流程：参与者访问一个安全的基于网络的平台，审阅30个临床病例。对于每个病例，医生根据图像和病史提供初步诊断，然后在审阅AI建议的前5个ICD-11类别及其置信水平后提供最终诊断。

• 临床决策支持：该研究还评估了临床医生在皮肤科转诊方面的决策，以及基于AI提供的数据（如恶性指数）进行远程管理（远程皮肤科）的可行性。* 病例分布：30张临床图像代表了九种不同的疾病，包括黑色素瘤、基底细胞癌、银屑病和化脓性汗腺炎，所有这些均先前经皮肤科医生和解剖病理学确认。质量保证与数据管理为确保临床研究的科学完整性，实施了以下质量和监测方案：* 集中式病例报告表（CRF）：所有数据均通过安全网络平台收集，录入信息带有时间戳并存储于中央数据库。* 数据验证与核查：通过计算机过滤器应用验证规则，自动识别缺失值或逻辑不一致。此外，还辅以人工编辑和探索性统计技术来检测错误。

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。