针对皮肤癌患者的社区园艺指导计划
该数据集来自 clinicaltrials.gov，聚焦黑色素瘤及其他皮肤癌幸存者的社区园艺干预研究。研究由多机构合作开展，将 UV 传感器整合进干旱沙漠环境下的社区园艺项目，并通过体验式工作坊和健康教育来促进防晒
基本信息
资源简介
针对皮肤癌患者的社区园艺指导计划
该数据集来自 clinicaltrials.gov，聚焦黑色素瘤及其他皮肤癌幸存者的社区园艺干预研究。研究由多机构合作开展，将 UV 传感器整合进干旱沙漠环境下的社区园艺项目，并通过体验式工作坊和健康教育来促进防晒。数据可用于评估干预的依从性与可接受性，并探索该计划对癌症预防健康行为（饮食、体力活动、能量平衡、UV 防护）及生活质量的影响，适用于行为预测与干预效果分析（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、癌症幸存者、皮肤癌、基底细胞癌、鳞状细胞癌、黑色素瘤（皮肤）。研究者将与 Banner Health、University of Arizona Cancer Center、Community Gardens of Tucson 以及 UArizona Pima County Cooperative Extension Master Gardeners 合作，开展一项针对黑色素瘤幸存者的社区园艺试点可行性研究，并整合 UV 传感器。Harvest for Health Together Arizona（H4H2-AZ）是一个基于证据的项目，针对干旱沙漠园艺进行了调整，同时通过体验式工作坊和教育来解决防晒问题。研究者拟评估对该干预的依从性和可接受性。研究者旨在了解 H4H2-AZ 是否能改善黑色素瘤幸存者的癌症预防健康行为（包括饮食、体力活动、能量平衡和 UV 防护）及生活质量。
【主题与分类】
主题标签：Melanoma、Cancer Survivorship、Skin Cancer、Basal Cell Carcinoma、Squamous Cell Carcinoma、Melanoma (Skin)。本站分类：肿瘤/皮肤癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05648604
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/NCT05648604
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：黑色素瘤、癌症幸存者、皮肤癌、基底细胞癌、鳞状细胞癌、黑色素瘤（皮肤）。研究人员将与Banner Health、亚利桑那大学癌症中心、图森社区花园以及亚利桑那大学皮马县合作推广园艺大师项目合作，在黑色素瘤幸存者中开展一项整合紫外线传感器的社区园艺试点可行性研究。“健康收获在一起亚利桑那”（H4H2-AZ）是一个基于证据的项目，针对干旱沙漠园艺进行了调整，同时通过体验式工作坊和教育来解决防晒安全问题。研究人员拟评估对该干预措施的依从性和可接受性。研究人员旨在了解H4H2-AZ是否能改善黑色素瘤幸存者的癌症预防健康行为（包括饮食、身体活动、能量平衡和紫外线防护）以及生活质量。
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。
