局部绿茶软膏治疗浅表性皮肤癌
该数据集来自 clinicaltrials.gov,主题为局部绿茶软膏治疗浅表性皮肤癌,聚焦基底细胞癌(BCC)这一最常见的非黑色素瘤皮肤癌

基本信息
资源简介
局部绿茶软膏治疗浅表性皮肤癌
该数据集来自 clinicaltrials.gov,主题为局部绿茶软膏治疗浅表性皮肤癌,聚焦基底细胞癌(BCC)这一最常见的非黑色素瘤皮肤癌。源站描述涵盖 BCC 的流行病学数据、组织学亚型分类,并指出浅表性 BCC 发病年龄更轻、多位于躯干、常为多发且发病率增长最快,同时提及 BCC 转移风险低。数据可用于皮肤癌治疗相关研究,尤其是局部用药干预浅表性基底细胞癌的探索(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Carcinoma, Basal Cell。基底细胞癌(BCC)是白种人中最常发生的非黑色素瘤皮肤癌,约占病例的 80%。荷兰男性和女性的发病率分别为每 10 万人年 165 例和 157 例,且仍以每年 3-10% 的速度上升。2009 年,男性发生首次经组织学确诊的 BCC 的终生风险约为 1/5(21%),女性约为 1/6(18%)。BCC 的简化分类包括以下三种组织学亚型:结节型(40,6)、浅表型(30,7%)和浸润型 BCC(28,7%)。浅表性 BCC(sBCC)与其他亚型的不同之处在于,它们往往在较年轻时出现,通常发生在躯干,且常为多发。该亚型的发病率增长最快。BCC 的一个特征是其转移风险低,尽管如果未
【主题与分类】
主题标签:Carcinoma, Basal Cell。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02029352
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/NCT02029352
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:基底细胞癌。基底细胞癌(BCC)是白种人中最常见的非黑色素瘤皮肤癌,约占所有病例的80%。荷兰男性和女性的发病率分别为每10万人年165例和157例,且仍以每年3-10%的速度增长。2009年,男性发生首次经组织学确诊的BCC的终生风险约为1/5(21%),女性为1/6(18%)。BCC的简化分类包括以下三种组织学亚型:结节型(40.6%)、浅表型(30.7%)和浸润型BCC(28.7%)。浅表型BCC(sBCC)与其他亚型不同,因其倾向于在较年轻时出现,通常发生在躯干,且常为多发性。该亚型的发病率增长最快。BCC的一个特征是其转移风险低,但若不治疗,由于其具有局部侵袭性,可能导致相当的功能和美容方面的病变。手术是BCC的首选治疗方法。
然而,由于发病率上升及由此带来的大量工作量,对于浅表型基底细胞癌(sBCC)常选择非侵入性局部治疗,因为这类肿瘤从表皮向下生长至真皮浅层,因此易于进行局部治疗。光动力疗法(PDT)、咪喹莫特乳膏或5-氟尿嘧啶乳膏是可用于sBCC的局部治疗方法,然而它们的无瘤生存率并不等同于手术治疗更高的无瘤生存率。除疗效外,目前可用的局部治疗还与治疗部位的局部皮肤反应相关,主要是红斑和糜烂(咪喹莫特乳膏和5-氟尿嘧啶乳膏)或疼痛和烧灼感(PDT)。这就产生了对额外或替代性非侵入性局部治疗的需求。绿茶的活性成分具有前景,因为多项流行病学、细胞培养和动物研究支持其具有抗基底细胞癌癌变作用。因此
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。




