基底细胞癌多模态成像：一项可用性研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07803406

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：皮肤基底细胞癌。背景：基底细胞癌（BCC）是最常见的皮肤癌类型，约占所有角质形成细胞癌的80%。尽管BCC很少扩散至身体其他部位，但若不治疗，可对周围组织造成相当大的损害，且其诊断和管理均给医疗系统带来沉重的经济负担。目前诊断BCC的金标准是活检加组织病理学检查，即取一小块皮肤样本，由病理学家在显微镜下进行检查。虽然该检查准确性高，但具有侵入性，会引起不适，留下疤痕，且需要实验室处理时间才能确诊。在临床实践中，皮肤镜检查（一种无创手持式放大工具）被广泛用作一线技术，用于检查皮肤表面及近表面结构并指导临床决策。然而，皮肤镜检查无法提供关于肿瘤深度、皮下浸润或细胞水平详细组织结构的信息。

在过去十年中，出现了新的无创成像技术，能够以不同深度和分辨率对皮肤病变进行详细可视化，而无需切除组织。这些技术包括光学相干断层扫描（OCT）、线场共焦光学相干断层扫描（LC-OCT）和高频超声（HFUS）。每种模态都提供关于皮肤及下方组织的互补信息。近年来，人工智能（AI）软件模块已被整合到这些成像系统中，以协助临床医生解读图像并实时自动检测BCC特异性特征。尽管越来越多的证据表明这些成像模态能够以高准确度检测和表征BCC，但其临床可用性尚未在前瞻性、真实世界临床环境中对三种模态进行头对头比较的系统性评估。这一知识

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。