法国黑色素瘤患者临床数据库 (RIC-Mel)
RIC-Mel 是法国黑色素瘤患者临床数据库,由 RIC-Mel 网络协调,该网络联合从事黑色素瘤临床与转化研究的临床医生和研究人员,并在临床试验中开展患者入组

基本信息
资源简介
法国黑色素瘤患者临床数据库 (RIC-Mel)
RIC-Mel 是法国黑色素瘤患者临床数据库,由 RIC-Mel 网络协调,该网络联合从事黑色素瘤临床与转化研究的临床医生和研究人员,并在临床试验中开展患者入组。网络由 49 个中心组成,包括 43 个公立皮肤科中心(医院中心)和 6 个私立中心(癌症中心),覆盖法国全国。数据库经法国卫生当局在伦理和数据保密方面批准,被法国皮肤病学会肿瘤学组列为黑色素瘤研究项目的优先访问途径之一,可用于黑色素瘤相关临床与转化研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:黑色素瘤(皮肤)。RIC-Mel 网络联合从事黑色素瘤临床与转化研究的临床医生和研究人员,并在临床试验中开展患者入组。这些临床医生在遍布法国全国领土的临床肿瘤学和皮肤科站点工作。如今,RIC-Mel 网络由 49 个中心组成:43 个公立皮肤科中心(医院中心)和 6 个私立中心(癌症中心)。RIC-Mel 网络由 Nantes University Hospital 的 B. DRENO 教授和 Saint-Louis Hospital, AP-HP, Paris 的 C. LEBBE 教授协调。RIC-Mel 数据库被法国皮肤病学会肿瘤学组称为任何黑色素瘤研究项目的优先访问途径之一。RIC-Mel 数据库已获法国卫生当局批准,在伦理和数据保密方面均获批准(CCTIRS 和 CNIL)。
【主题与分类】
主题标签:Melanoma (Skin)。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03315468
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/NCT03315468
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
条件:黑色素瘤(皮肤)。RIC-Mel网络联合了从事黑色素瘤临床与转化研究的临床医生和研究人员,并负责临床试验中的患者入组工作。这些临床医生在遍布法国全国各地的临床肿瘤学和皮肤病学站点工作。目前,RIC-Mel网络由49个中心组成:43个公立皮肤病学中心(医院中心)和6个私立中心(癌症中心)。RIC-Mel网络由B. DRENO教授(南特大学医院)和C. LEBBE教授(巴黎AP-HP圣路易医院)协调。RIC-Mel数据库被法国皮肤病学会肿瘤学组称为任何黑色素瘤研究项目的特权访问途径之一。RIC-Mel数据库已获得法国卫生当局的批准,在伦理和数据保密方面均符合要求(CCTIRS和CNIL)。该数据库通过安全连接可在互联网上随时访问。所有数据均保密处理。每个参与中心的黑色素瘤患者活跃档案均可在数据库中获取。
所有同意参与的患者均可纳入数据库,无论其分期如何。临床数据通过两种表格收集:* 第一部分:任何临床试验的关键临床数据 原发肿瘤(手术日期、Breslow厚度……)、淋巴结清扫(日期、受累淋巴结数量……)、AJCC分期、突变状态、黑色素瘤抗原、黑色素瘤治疗(类型、日期)及死亡情况。* 第二部分:用于流行病学和转化研究的附加数据 黑色素瘤家族史、转移灶(类型、诊断日期……)、HLA A和B分型、治疗附加信息(剂量、总体缓解、3级或4级副作用及其类型、对治疗采取的措施及结局)。2017年9月,RIC-Mel数据库已纳入超过20,000例黑色素瘤患者,分布如下:约75%为原发分期(0至II期),25%为转移分期(III期及
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。




