术前高频超声评估头颈部皮肤癌皮损范围对切缘阳性及复发的影响
该数据集来自 clinicaltrials.gov,聚焦头颈部非黑色素瘤皮肤癌(NMSC),包括基底细胞癌(BCC)和皮肤鳞状细胞癌(cSCC)等亚型

基本信息
资源简介
术前高频超声评估头颈部皮肤癌皮损范围对切缘阳性及复发的影响
该数据集来自 clinicaltrials.gov,聚焦头颈部非黑色素瘤皮肤癌(NMSC),包括基底细胞癌(BCC)和皮肤鳞状细胞癌(cSCC)等亚型。数据围绕术前高频超声评估皮损范围与手术切缘阳性之间的关系,以及术前评估方法、切缘不充分与肿瘤复发之间的关联。可用于研究术前影像评估对切缘状态和复发风险的预测价值,辅助优化头颈部皮肤癌的手术切缘管理(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:皮肤基底细胞癌、皮肤鳞状细胞癌(CSCC)、原位皮肤鳞状细胞癌(CSCCis)、头颈部皮肤鳞状细胞癌、基底细胞癌(BCC)、头颈部基底细胞癌、非黑色素瘤皮肤癌(NMSC)。非黑色素瘤皮肤癌(NMSC),尤其是基底细胞癌(BCC)和皮肤鳞状细胞癌(cSCC),是白种人中最常见的恶性肿瘤,由于长期紫外线暴露,大多数肿瘤位于头颈部。尽管 BCC 的转移潜能极低,而 cSCC 具有更高的淋巴结扩散风险,但两者均可导致显著的局部组织破坏以及功能和外观损害。组织学切缘阴性的完整切除仍是标准治疗;然而,不完全或切缘过近的切除被报道在一个亚
【主题与分类】
主题标签:Basal Cell Carcinoma of Skin、Cutaneous Squamous Cell Carcinoma (CSCC)、Basal Cell Carcinoma (BCC)、Non-Melanoma Skin Cancer (NMSC)。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07361666
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/NCT07361666
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:皮肤基底细胞癌、皮肤鳞状细胞癌(CSCC)、原位皮肤鳞状细胞癌(CSCCis)、头颈部皮肤鳞状细胞癌、基底细胞癌(BCC)、头颈部基底细胞癌、非黑色素瘤皮肤癌(NMSC)。非黑色素瘤皮肤癌(NMSC),尤其是基底细胞癌(BCC)和皮肤鳞状细胞癌(cSCC),是白种人中最常见的恶性肿瘤,由于长期紫外线暴露,大多数肿瘤位于头颈部。尽管BCC的转移潜能极低,而cSCC的淋巴结播散风险较高,但两者均可导致显著的局部组织破坏以及功能和外观损害。组织学切缘阴性的完整切除仍是标准治疗;然而,据报道相当比例病例存在切缘不完全或切缘过近,这与局部复发风险增加、需要额外治疗以及更高的医疗费用相关。术前皮肤镜检查可改善肿瘤侧缘的勾画,但无法评估浸润深度。
高频超声(HFUS)是一种快速、无创的成像方式,可显示浅表皮肤结构并估计肿瘤厚度。既往研究提示HFUS与组织病理学浸润深度具有良好的一致性,但结果并不完全一致,且HFUS尚未被纳入非黑色素瘤皮肤癌(NMSC)术前评估的主要指南推荐。需要进一步的前瞻性数据来阐明HFUS能否改善手术规划和切缘控制。本前瞻性研究旨在评估在头颈部基底细胞癌(BCC)和皮肤鳞状细胞癌(cSCC)的标准皮肤镜评估基础上增加术前HFUS的影响。主要目标为:(1)比较仅接受皮肤镜评估的病变与同时接受皮肤镜和HFUS评估的病变之间,组织病理学切缘阳性或不足(<1 mm)的发生频率;(2)评估5年局部复发率与术前评估方法、组织病理学切缘状态及后续处理的关系。
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。




