白癜风患者中黑色素瘤与非黑色素瘤皮肤癌的发病率

该数据集来自 clinicaltrials.gov,聚焦白癜风患者中黑色素瘤与非黑色素瘤皮肤癌的发病风险。主要分析考察鳞状细胞癌与基底细胞癌,并涉及光化性角化病;次要分析比较白癜风患者与匹配对照的皮肤癌患病率,同时探讨不同患者亚组(如种族、接受光疗或新型靶向生物免疫抑制治疗者)对黑色素瘤和非黑色素瘤

Momentum DataMomentum Data
clinicaltrials
浏览 19
其他预测VitiligoMelanoma (Skin)Nonmelanoma Skin CancerSquamous Cell CarcinomaBasal Cell CarcinomaActinic Keratoses
Incidence of Melanoma and Non-melanoma Skin Cancer in People With Vitiligo

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-07

资源简介

白癜风患者中黑色素瘤与非黑色素瘤皮肤癌的发病率

该数据集来自 clinicaltrials.gov,聚焦白癜风患者中黑色素瘤与非黑色素瘤皮肤癌的发病风险。主要分析考察鳞状细胞癌与基底细胞癌,并涉及光化性角化病;次要分析比较白癜风患者与匹配对照的皮肤癌患病率,同时探讨不同患者亚组(如种族、接受光疗或新型靶向生物免疫抑制治疗者)对黑色素瘤和非黑色素瘤皮肤癌易感性的差异。可用于皮肤癌风险预测与亚组差异研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:白癜风、黑色素瘤(皮肤)、非黑色素瘤皮肤癌、鳞状细胞癌、基底细胞癌、光化性角化病。在主要分析中,本研究考察被诊断为白癜风的人群患黑色素瘤和非黑色素瘤皮肤癌(鳞状细胞癌和基底细胞癌)的风险。研究还考察光化性角化病。在次要分析中,本研究考察被诊断为白癜风的人群与匹配对照相比的皮肤癌患病率。本研究还考察不同患者亚组之间对黑色素瘤和非黑色素瘤皮肤癌的易感性是否存在差异,例如种族、接受光疗或新型靶向生物免疫抑制治疗的患者。

【主题与分类】

主题标签:Vitiligo、Melanoma (Skin)、Nonmelanoma Skin Cancer、Squamous Cell Carcinoma、Basal Cell Carcinoma、Actinic Keratoses。本站分类:肿瘤/皮肤癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04969419

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04969419

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:白癜风、黑色素瘤(皮肤)、非黑色素瘤皮肤癌、鳞状细胞癌、基底细胞癌、光化性角化病。在主要分析中,本研究考察被诊断为白癜风的人群患黑色素瘤和非黑色素瘤皮肤癌(鳞状细胞癌和基底细胞癌)的风险。研究还考察光化性角化病。在次要分析中,本研究考察被诊断为白癜风的人群与匹配对照相比的皮肤癌患病率。本研究还考察不同患者亚组之间对黑色素瘤和非黑色素瘤皮肤癌的易感性是否存在差异,例如种族、接受光疗或新型靶向生物免疫抑制治疗的患者。

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。

获取专属数据定制方案