光学成像用于非黑色素瘤皮肤癌术前勾画
该数据集来自 clinicaltrials.gov,聚焦非黑色素瘤皮肤癌(包括基底细胞癌与鳞状细胞癌)的术前边界勾画。研究评估偏振增强反射与荧光成像设备 PERFIS 在手术前标定肿瘤边缘的能力与效果

基本信息
资源简介
光学成像用于非黑色素瘤皮肤癌术前勾画
该数据集来自 clinicaltrials.gov,聚焦非黑色素瘤皮肤癌(包括基底细胞癌与鳞状细胞癌)的术前边界勾画。研究评估偏振增强反射与荧光成像设备 PERFIS 在手术前标定肿瘤边缘的能力与效果。PERFIS 为无害非侵入设备,已在体外与体内用于生物组织成像,本研究中用于术前对非黑色素瘤皮肤癌病灶成像,不影响患者护理或治疗决策,也不额外使用组织。成像前按常规无菌技术准备并清洁病灶,依据肉眼观察在肿瘤明显边缘标记长轴与短轴,以保证无偏切除(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Carcinoma, Basal Cell, Carcinoma, Squamous Cell. 本研究的目的是评估使用偏振增强反射与荧光成像设备 PERFIS(见设备手册)在手术前勾画非黑色素瘤皮肤癌边缘的能力与效果。PERFIS 是一种无害且非侵入性的设备,已在体外和体内用于生物组织成像。在本研究中,它将在手术前用于对非黑色素瘤皮肤癌病灶成像。使用 PERFIS 不会以任何方式影响患者护理或治疗决策。不会使用额外组织进行成像。成像前,将按常规无菌技术准备并清洁患者病灶。基于肉眼观察,将肿瘤的长轴和短轴精确标记在明显的肿瘤边缘处,以确保无偏的肿瘤切除。对于 ma
【主题与分类】
主题标签:Carcinoma, Basal Cell、Carcinoma, Squamous Cell。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02666833
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/NCT02666833
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:基底细胞癌、鳞状细胞癌。本研究旨在评估使用偏振增强反射与荧光成像设备PERFIS(参见设备手册)在手术前界定非黑色素瘤皮肤癌边界的性能和效果。PERFIS是一种无害且非侵入性的设备,已在体外和体内用于生物组织成像。在本研究中,它将在手术前用于对非黑色素瘤皮肤癌病灶进行成像。使用PERFIS不会以任何方式影响患者护理或治疗决策。不会使用额外组织进行成像。成像前,将按照常规无菌技术对患者病灶进行准备和清洁。基于肉眼观察,将精确在肿瘤的明显边缘处标记肿瘤的长轴和短轴,以确保无偏倚的肿瘤切除。为进行标记,研究者将使用无菌蓝色标记笔,该标记笔在440 nm的光学偏振图像中不会显现。标记后,将使用尺子测量肿瘤长轴和短轴的长度。
将拍摄肿瘤照片(并使用标尺作为参考比例)。测量和拍照后,将使用PERFIS设备进行偏振反射光学成像。PERFIS成像设备的照片见设备手册。成像过程中,肿瘤及周围皮肤将由非相干光源(氙弧灯结合干涉滤光片)发出的连续波低强度单色光照射,波长为440 nm,皮肤上的功率密度约为0.4 mW/cm²。该功率密度远低于标准安全阈值。本研究不会使用其他波长或功率密度。光源由快门控制,除用户控制图像采集期间外,快门保持关闭。一旦PERFIS设备置于患者皮肤表面,即开始成像。快门打开
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。




