儿科医生与家庭医生对防晒的知识与意识
该数据集来自 clinicaltrials.gov,主题为儿科医生与家庭医生对防晒的知识与意识,涉及防晒、皮肤灼伤与晒伤等条件

基本信息
资源简介
儿科医生与家庭医生对防晒的知识与意识
该数据集来自 clinicaltrials.gov,主题为儿科医生与家庭医生对防晒的知识与意识,涉及防晒、皮肤灼伤与晒伤等条件。源站描述指出阳光除调节昼夜节律、合成维生素D和调节情绪等正面作用外,还会对皮肤产生晒伤、色素沉着、光老化和皮肤癌形成等负面影响,并说明这些影响由紫外线(10至400 nm)引起,紫外线分为UV-A、UV-B和UV-C,其中到达地表的约95%为UV-A(320至400 nm),UV-B(290至320 nm)占5%且包含生物活性最强的波长。该数据可用于了解医生群体对防晒相关知识的掌握与意识情况(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:防晒、皮肤灼伤、晒伤。阳光对身体有非常重要的影响。除了调节昼夜节律、合成维生素D和调节情绪等正面作用外,它还会对皮肤产生晒伤、色素沉着、光老化和皮肤癌形成等负面影响。已知这些负面影响由阳光中的紫外线(UV)(10至400 nm)引起。到达地球的紫外线波分为紫外线A(UV-A)、紫外线B(UV-B)和紫外线C(UV-C)三种。到达地球表面的紫外线中约95%为UV-A(320至400 nm)。已知UV-A会促进光老化,在色素沉着中起重要作用,并导致皮肤癌的发生。UV-B(290至320 nm)占紫外线辐射的5%,包含生物活性最强的波长。已知UV-B会导
【主题与分类】
主题标签:Sun Protection、Skin Burn、Sunburn。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06720402
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/NCT06720402
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
条件:防晒、皮肤灼伤、晒伤。阳光对人体具有非常重要的影响。除了调节昼夜节律、合成维生素D和调节情绪等积极作用外,阳光还对皮肤产生负面影响,如晒伤、色素沉着、光老化和皮肤癌形成。已知这些负面影响是由阳光中的紫外线(UV)(10至400 nm)引起的。到达地球的紫外线分为三种:紫外线A(UV-A)、紫外线B(UV-B)和紫外线C(UV-C)。到达地球表面的紫外线中约95%为UV-A(320至400 nm)。已知UV-A可导致光老化,在色素沉着中起重要作用,并可引发皮肤癌。UV-B(290至320 nm)占紫外线辐射的5%,包含生物活性最强的波长。已知UV-B可引起晒伤、炎症、色素沉着和皮肤癌的发生。已知UV-C(200至290 nm)因臭氧层的存在而无法到达地球。
众所周知,黑色素瘤、基底细胞癌和鳞状细胞癌等皮肤癌可能因成人过度暴露于紫外线而发生。研究表明,皮肤癌在儿童期较为罕见。研究发现,全球每年约有32.4万名患者被诊断为黑色素瘤,120万名患者被诊断为非黑色素瘤皮肤癌。在土耳其,根据最新数据,有1477名患者被诊断为黑色素瘤,20220名患者被诊断为非黑色素瘤皮肤癌。根据Fitzpatrick皮肤分型,研究发现浅色皮肤人群的癌症发生风险较高,而深色皮肤人群的癌症发生风险较低。尽管皮肤癌在儿科年龄段并不常见,但儿童暴露于紫外线的程度高于成人。已知这种随时间推移而发展的累积暴露可能导致皮肤癌的发生。
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。




