使用人工智能（AI）工具进行黑色素瘤诊断
该数据集来自 clinicaltrials.gov，属于肿瘤/皮肤癌分类，围绕使用人工智能工具 DEXI（Dermoscopy EXplainable Intelligence）辅助皮肤科医生判断病变是否为黑色素瘤的研究
基本信息
资源简介
使用人工智能（AI）工具进行黑色素瘤诊断
该数据集来自 clinicaltrials.gov，属于肿瘤/皮肤癌分类，围绕使用人工智能工具 DEXI（Dermoscopy EXplainable Intelligence）辅助皮肤科医生判断病变是否为黑色素瘤的研究。覆盖恶性黑色素瘤、原位黑色素瘤、皮肤原位癌、血管瘤、黑色素细胞痣、其他良性皮肤肿瘤及性质未定皮肤肿瘤等病种。数据可用于探索 AI 在皮肤病变图像分类中的应用，评估其帮助发现黑色素瘤并减少不必要活检的潜力（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：皮肤恶性黑色素瘤、其他及未特指的皮肤恶性肿瘤、原位黑色素瘤、皮肤原位癌、血管瘤、黑色素细胞痣、其他良性皮肤肿瘤、性质未定的皮肤肿瘤。本研究的目的是了解一种名为 DEXI（Dermoscopy EXplainable Intelligence）的计算机辅助工具能否帮助皮肤科医生判断病变是否为黑色素瘤——一种严重的皮肤癌。DEXI 使用人工智能（AI），即通过计算机技术寻找图像和信息中的模式。DEXI 在一个名为 DermaGraphix Visualizer 的软件程序中运行，该程序显示并组织皮肤和病变图像。本研究的目标是观察 DEXI 能否帮助医生发现黑色素瘤并减少可能不需要的活检。
【主题与分类】
主题标签：Malignant Melanoma of Skin、Melanoma in Situ、Carcinoma in Situ of Skin、Hemangioma、Melanocytic Nevi、Other Benign Neoplasms of Skin、Neoplasm of Uncertain Behavior of Skin、Nevus, Non-Neoplastic、Other Specified Follicular Disorders、Other Melanin Hyperpigmentation。本站分类：肿瘤/皮肤癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07890415
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/NCT07890415
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：皮肤恶性黑色素瘤、其他及未特指的皮肤恶性肿瘤、原位黑色素瘤、原位皮肤癌、血管瘤、黑色素细胞痣、其他皮肤良性肿瘤、行为不确定的皮肤肿瘤。本研究的目的是了解一种名为DEXI（Dermoscopy EXplainable Intelligence，皮肤镜可解释智能）的计算机辅助工具能否帮助皮肤科医生判断病变是否为黑色素瘤——一种严重的皮肤癌。DEXI使用人工智能（AI），即通过计算机技术在图像和信息中寻找规律。DEXI运行于名为DermaGraphix Visualizer的软件程序内，该程序用于显示和整理皮肤及病变图像。本研究的目标是观察DEXI能否帮助医生发现黑色素瘤，并减少可能不必要的活检。
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。
