Mohs 手术术中切缘评估数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT02750033

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：鳞状细胞癌（SCC）、基底细胞癌（BCC）。在术中获取MMS的活体测量数据。在离体组织上评估该方法后，将直接在患者的非黑色素瘤皮肤癌（NMSC）切除部位获取MMS测量数据。MMS数据将在奥斯汀皮肤外科中心接受NMSC治疗的患者身上采集，该中心是Seton/德克萨斯大学医师集团皮肤科执业的手术场所。与新鲜离体组织上的测量类似，MMS数据将按网格模式在切除部位采集。测量前将用纱布擦拭该部位以去除残留血液，并根据需要持续擦拭直至完成所有测量。MMS的手持探头能够评估伤口周边及更深层组织，以确定是否有肿瘤残留。在这项初步试点研究中，我们计划对10名患者（5名BCC，5名SCC）进行测量，并采集相应的正常组织测量数据。对MMS灵敏度和特异性的回顾性分析。

MMS技术是一种信息丰富的模态，可提供所检测组织的形态学和功能参数，这些参数可能与已知的肿瘤病理相关。然而，这些提取的信息需要开发复杂的光谱分析模型，这将超出当前研究的范围。因此，就本研究而言，将使用标准统计技术来确定MMS在肿瘤边缘检测中的分类能力。虽然这种方法不能完全阐明导致分类的潜在病理机制，但此类模型已被证明其性能达到或优于基于形态学方法的模型。这种方法此前已被用于以高诊断准确率对皮肤癌进行分类。本研究的最终结果将得出在Mohs手术期间MMS与组织病理学相比的敏感性和特异性。这些结果将有助于估计

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。