DERM 评估潜在癌性皮肤病变图像输出一致性研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT06654999

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

疾病：皮肤癌、皮肤黑色素瘤、鳞状细胞癌、基底细胞癌。DERM是一种医疗设备，利用人工智能帮助医生检查皮肤病变是否可能为癌性。其工作原理是分析用智能手机拍摄的皮肤病变特写照片。本研究旨在证明DERM输出的结果一致性（精确性）如何：即当它分析同一病变的多张照片时（重复性），以及当同一病变由不同人员或使用不同相机拍摄时（再现性），是否能提供相同结果。作为标准诊疗的一部分，医生正在检查是否患癌且至少有一处皮肤病变的成年人将能够参与。合适的病变将被拍摄三次，每次由三名不同人员使用三套图像采集硬件（具体为一部iPhone 11搭配DL200/HR皮肤镜镜头）进行拍摄。每张图像在拍摄时都将检查图像质量是否良好。随后图像将被传输至DERM进行分析。DERM的输出结果不会与研究相关的患者或医生共享。

患者将继续按照标准诊疗规范接受皮肤病变活检/切除。他们的诊断结果将被收集，并与DERM的输出结果进行比较。

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。