潜在研究参与者登记库
参与者通过 UCDMC Dermatology 网站自我登记，填写对未来皮肤科临床研究项目兴趣的调查问卷，提供联系信息并勾选感兴趣的主题
基本信息
资源简介
潜在研究参与者登记库
该数据集来自 clinicaltrials.gov，为潜在研究参与者登记库，聚焦皮肤科相关疾病，涵盖 Acne、Actinic Keratosis、Dysplastic Nevi、Eczema、Psoriasis、Skin Cancer、Rosacea、Leg Ulcers 等病种。参与者通过 UCDMC Dermatology 网站自我登记，填写对未来皮肤科临床研究项目兴趣的调查问卷，提供联系信息并勾选感兴趣的主题。数据可用于了解潜在参与者对皮肤科临床研究的兴趣分布与主题偏好，支持后续研究招募与匹配（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Acne、Actinic Keratosis、Dysplastic Nevi、Eczema、Psoriasis、Skin Cancer、Rosacea、Leg Ulcers。方法：受试者将通过 UCDMC Dermatology 网站自我识别，完成一份关于他们对了解未来皮肤科临床研究项目兴趣的调查问卷。受试者提供联系信息并勾选一份潜在感兴趣主题列表。程序：潜在参与者将在 UCDMC Dermatology 网站上找到通往我们登记库的链接。潜在参与者将阅读有关登记库的信息。如果他们希望获得更多信息，可以点击链接进入潜在研究登记库同意书。在此阶段，潜在参与者可以对同意书回答“否”，他们将被重定向回 Clinical trials 网站。如果他们回答“是”，则将被链接到登记库问卷。该潜在
【主题与分类】
主题标签：Acne、Actinic Keratosis、Dysplastic Nevi、Eczema、Psoriasis、Skin Cancer、Rosacea、Leg Ulcers、Foot Ulcers、Atopic Dermatitis。本站分类：肿瘤/皮肤癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT00710489
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/NCT00710489
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：痤疮、光化性角化病、发育不良痣、湿疹、银屑病、皮肤癌、酒渣鼻、腿部溃疡。方法：受试者将通过UCDMC皮肤病学网站自我识别，完成一项关于他们是否有兴趣了解未来皮肤病学临床研究项目的调查。受试者提供联系信息，并勾选感兴趣潜在主题的列表。程序：潜在参与者将在UCDMC皮肤病学网站上找到我们注册库的链接。潜在参与者将阅读有关注册库的信息。如果他们希望获取更多信息，可以点击链接查看潜在研究注册库的同意书。在此阶段，潜在参与者可以在同意书上选择“否”，然后他们将被重定向回临床试验网站。如果他们选择“是”，那么他们将被链接到注册库问卷。潜在受试者随后将决定是否愿意参与注册库，如果愿意，他们想提供哪些信息。临床研究协调员将联系潜在的研究参与者，以确定他们是否符合我们当前任何研究的资格标准。
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。
