Bergamo省地方卫生局员工队列皮肤癌远程皮肤病学研究
该数据集来自clinicaltrials.gov,聚焦Bergamo省地方卫生局员工队列中的皮肤癌远程皮肤病学研究。数据可用于评估远程皮肤病学系统在中期周期性筛查新发或近期出现、非广泛性皮肤病变中的有效性与实用性,支持癌前病变及黑色素瘤与非黑色素瘤皮肤癌的早期分类与预后判断(来源 clinicalt

基本信息
资源简介
Bergamo省地方卫生局员工队列皮肤癌远程皮肤病学研究
该数据集来自clinicaltrials.gov,聚焦Bergamo省地方卫生局员工队列中的皮肤癌远程皮肤病学研究。覆盖Erysipelas、Impetigo、Herpes Zoster、Molluscum Contagiosum、Warts、Tinea等感染性皮肤病,以及Melanoma、Actinic Keratosis、Basal Cell Carcinoma、Squamous Cell Carcinoma等肿瘤性病变。数据可用于评估远程皮肤病学系统在中期周期性筛查新发或近期出现、非广泛性皮肤病变中的有效性与实用性,支持癌前病变及黑色素瘤与非黑色素瘤皮肤癌的早期分类与预后判断(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Erysipelas, Impetigo, Herpes Zoster, Molluscum Contagiosum, Warts, Tinea, Melanoma, Actinic Keratosis。本研究的目的是证明远程皮肤病学系统在中期周期性筛查非广泛性、新发或近期出现的皮肤病变(或被认为通过专科早期分类可改变预后的病变,包括癌前皮肤病变以及黑色素瘤和非黑色素瘤皮肤癌)中的有效性和实用性,并与固定随访时的对照访视进行比较。
【主题与分类】
主题标签:Erysipelas、Impetigo、Herpes Zoster、Molluscum Contagiosum、Warts、Tinea、Melanoma、Actinic Keratosis、Basal Cell Carcinoma、Squamous Cell Carcinoma。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02902822
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/NCT02902822
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:丹毒、脓疱疮、带状疱疹、传染性软疣、疣、癣、黑色素瘤、光化性角化病。本研究旨在证明远程皮肤病学系统在对近期发作或经专科早期分类被认为可改变预后的非广泛性皮肤病变(包括癌前皮肤病变以及黑色素瘤和非黑色素瘤皮肤癌)进行中期定期筛查中的有效性和实用性,并与固定随访时的对照访视进行比较。
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。




