LC-OCT 在日常临床实践中实施的真实世界评估
BCC 是荷兰最常见的皮肤癌类型,发病率近年大幅上升。LC-OCT 结合了传统光学相干断层扫描(OCT)与反射共聚焦显微镜(RCM)的原理,可在细胞分辨率下实现皮肤的三维可视化,有望作为活检的替代手段

基本信息
资源简介
LC-OCT 在日常临床实践中实施的真实世界评估
该数据集来自 clinicaltrials.gov,聚焦于皮肤基底细胞癌(BCC)诊疗中 line-field confocal optical coherence tomography(LC-OCT)在日常临床实践中的真实世界实施评估。BCC 是荷兰最常见的皮肤癌类型,发病率近年大幅上升。LC-OCT 结合了传统光学相干断层扫描(OCT)与反射共聚焦显微镜(RCM)的原理,可在细胞分辨率下实现皮肤的三维可视化,有望作为活检的替代手段。当可借助 (LC-)OCT 高置信度诊断 BCC 时,可能减少活检需求、加快治疗启动并提升医疗效率。该数据可用于皮肤癌无创诊断、影像分类及临床实施效果研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:皮肤基底细胞癌、光学相干断层扫描(OCT)、肿瘤、肿瘤(基底细胞)、基底细胞癌(BCC)、真实世界研究、实施。基底细胞癌(BCC)是荷兰最常见的皮肤癌类型,近年来其发病率大幅上升。过去几十年中,line-field confocal optical coherence tomography(LC-OCT)等无创成像技术已成为诊断 BCC 的有前景的活检替代方案。当可使用 (LC-)OCT 高置信度诊断 BCC 时,这可能减少活检需求、加快治疗启动并提高医疗效率。LC-OCT 结合了传统光学相干断层扫描(OCT)和反射共聚焦显微镜(RCM)的原理,能够在细胞分辨率下实现皮肤的三维可视化。
【主题与分类】
主题标签:Basal Cell Carcinoma of Skin、Optical Coherence Tomography (OCT)、Neoplasms、Neoplasms, Basal Cell、Carcinoma, Basal Cell (BCC)、Real-world Study、Implementation。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07501780
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/NCT07501780
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:皮肤基底细胞癌、光学相干断层扫描(OCT)、肿瘤、肿瘤、基底细胞、癌、基底细胞癌(BCC)、真实世界研究、实施。基底细胞癌(BCC)是荷兰最常见的皮肤癌类型,近年来其发病率大幅上升。在过去的几十年里,诸如线场共聚焦光学相干断层扫描(LC-OCT)等非侵入性成像技术已成为诊断BCC的有前景的活检替代方法。当使用(LC-)OCT能够高置信度地诊断BCC时,这可能减少活检需求、加速治疗启动并提高医疗效率。LC-OCT结合了传统光学相干断层扫描(OCT)和反射共聚焦显微镜(RCM)的原理,能够在细胞分辨率下实现皮肤的三维可视化。多项研究报告了LC-OCT在识别非BCC病变方面的高特异性,范围在97-99%之间。在能够高置信度诊断BCC的情况下,理论上可以省略活检,这意味着可以及时启动治疗。
对于此类“高置信度”基底细胞癌诊断,报告的敏感度范围为95%-100%。尽管LC-OCT的诊断准确性已在研究环境中得到广泛探讨,但其在真实世界临床实践中的表现证据仍有限。本回顾性研究旨在评估LC-OCT在常规皮肤科实践中的临床效用。
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。




