本科生皮肤癌预防试验

数据集获取

源站：https://clinicaltrials.gov/study/NCT05634252

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：皮肤癌。拟议研究采用多阶段优化策略（MOST），利用析因实验评估干预组分的单独及联合效应，以提高干预效率。研究团队将使用MOST测试一种干预措施，该措施有可能在一年中风险最高的时期消除高风险年轻人的晒伤。该研究将在项目资助期的第1至第4年共招募528名本科生（>18岁）。学生在提供知情同意后，将通过REDCap数据采集系统完成基线评估，内容包括晒伤发生情况、防晒行为和美黑行为。基线评估后，学生将采用计算机生成的随机排列区组进行随机分组，并按性别和非故意/故意美黑进行分层。有三种干预组分是优化RISE-UP干预的候选纳入成分：1）紫外线照片，2）行动计划，3）MC1R检测。

所有条件都将接受关于皮肤癌及皮肤癌预防策略的教育，包括防晒策略以及避免有意和无意晒黑。优化干预将在基线评估后约一个月进行。被分配接受紫外线照片的参与者将收到一张由VISIA Complexion Analysis系统拍摄的其面部在可见光和紫外线下的打印照片。接受行动计划的参与者将针对其接受紫外线辐射（UVR）暴露的情况，完成一份个性化的防晒和晒黑计划。被分配接受MC1R检测的参与者将被要求提供唾液样本。测序完成后，参与者将收到其结果，该结果涉及其个人和人群风险水平。优化干预一个月后，参与者将被要求完成另一次评估。参与者将

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。