退伍军人真皮重塑治疗性诱导预防慢性紫外线暴露所致光化性肿瘤
该数据集来自 clinicaltrials.gov,聚焦退伍军人群体中由慢性环境紫外线暴露引起的非黑色素瘤皮肤癌与光化性角化病

基本信息
资源简介
退伍军人真皮重塑治疗性诱导预防慢性紫外线暴露所致光化性肿瘤
该数据集来自 clinicaltrials.gov,聚焦退伍军人群体中由慢性环境紫外线暴露引起的非黑色素瘤皮肤癌与光化性角化病。研究基于既往发现:老年皮肤对 UVB 的反应不同于年轻皮肤,导致非黑色素瘤皮肤癌和光化性角化病发生率升高;治疗性真皮重塑干预(如点阵激光换肤和微针)可恢复老年皮肤对 UVB 的正常反应,且点阵激光换肤可降低高危老年受试者非黑色素瘤皮肤癌和光化性角化病的发生率。本干预性研究将评估微针与三氯乙酸化学剥脱两种真皮重塑疗法的作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:非黑色素瘤皮肤癌、光化性角化病。研究者既往研究表明,与年轻受试者皮肤相比,老年受试者皮肤对紫外线B(UVB)光的反应不同,这导致老年人群中非黑色素瘤皮肤癌(NMSC)和光化性角化病(AK)的发生率升高。此前,研究者已证明治疗性真皮重塑干预(例如点阵激光换肤和微针)可恢复老年皮肤对UVB的适当反应。研究者还证明,点阵激光换肤(FLR)可降低高危老年受试者中NMSC和AK的发生率(与未治疗对照皮肤相比)。这项干预性研究将评估两种治疗性真皮重塑疗法——微针和三氯乙酸化学(TCA)剥脱——的能力,以i
【主题与分类】
主题标签:Nonmelanoma Skin Cancer、Actinic Keratosis。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07648407
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/NCT07648407
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:非黑色素瘤皮肤癌、光化性角化病。研究者的既往研究表明,与年轻受试者的皮肤相比,老年受试者的皮肤对紫外线B(UVB)光的反应不同,这导致老年人群中非黑色素瘤皮肤癌(NMSC)和光化性角化病(AK)的发生率增加。此前,研究者已表明,治疗性真皮重塑干预措施(如点阵激光换肤和微针)可以恢复老年皮肤对UVB的正常反应。研究者还证明,点阵激光换肤(FLR)可降低高危老年受试者中NMSC和AK的发生率(与未治疗的对照皮肤相比)。这项干预性研究将评估两种治疗性真皮重塑疗法——微针和三氯乙酸化学(TCA)换肤——对高危老年受试者中NMSC和AK发生的影响。老年受试者将被纳入两个研究组之一。在第一组中,一只手臂将在第1天接受微针治疗,另一只手臂将不接受治疗。
在第二组中,一只手臂将在第1天接受TCA剥脱治疗,而另一只手臂则不进行治疗。随后,将监测每组受试者治疗侧及未治疗(对照)前臂上非黑色素瘤皮肤癌(NMSC)和光化性角化病(AK)的数量。除了监测NMSC和AK的发展外,Richard L. Roudebush VAMC的受试者将在其一次随访时接受皮肤钻孔活检,以进行受治与未治皮肤的微观和分子分析。
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。




