LC-OCT用于基底细胞癌诊断与管理的效率及经济影响评估

数据集获取

源站：https://clinicaltrials.gov/study/NCT06271603

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：皮肤基底细胞癌。基底细胞癌（BCC）是最常见的皮肤癌类型。对于某些“不明确”的病变，临床和皮肤镜标准无法确定诊断或亚型，而亚型又决定治疗方案，因此可疑病变的诊断和分型可能具有挑战性。皮肤活检是诊断BCC并选择适当治疗方法最常用的技术。显微成像技术可实现“光学”活检，似乎是传统活检的一种有吸引力的替代方案。deepLive™设备集成了LC-OCT（线场共焦光学相干断层扫描），这是一种新型显微成像技术，迄今具有无与伦比的成像性能，包括细胞各向同性分辨率（1 μm）、500 μm的穿透深度，以及能够以与组织学相同的方向获取实时横截面和3D图像。多项多中心研究已证实该技术在BCC诊断和分型方面的高性能。然而，其在BCC诊断和治疗管理中的实用性尚未得到前瞻性研究。

本临床研究基于以下假设：使用deepLive™设备将能够通过减少咨询/程序的数量来实现诊断和治疗管理，同时与传统的活检管理方法相比，不会影响患者的治疗结果。这一策略有望通过减少侵入性诊断或治疗程序，并为其他程序释放皮肤科资源，从而优化整个护理路径。预期这种护理路径的优化将对医疗系统产生有利的经济影响。

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。