SHADE 紫外线暴露监测移动技术验证
该数据集来自 clinicaltrials.gov,聚焦肿瘤与皮肤癌方向,围绕一款名为 Shade 的紫外线传感器及其配套智能手机应用展开

基本信息
资源简介
SHADE 紫外线暴露监测移动技术验证
该数据集来自 clinicaltrials.gov,聚焦肿瘤与皮肤癌方向,围绕一款名为 Shade 的紫外线传感器及其配套智能手机应用展开。研究旨在验证 Shade 量化紫外线暴露水平的有效性,并将暴露水平与光化性角化病(AK)这一皮肤癌前病变的发生相关联。研究对象为每年反复出现多发 AK 的患者,并纳入肾移植患者,因为该人群发生鳞状细胞癌(SCC)的风险显著更高。数据可用于紫外线暴露与皮肤癌前病变关系的预测建模及行为风险降低研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:皮肤癌、光化性角化病、正常皮肤的紫外线诱导改变、行为、健康、行为、风险降低。过去 20 年间,由于紫外线(UV)暴露增加,非黑色素瘤皮肤癌的发病率上升了 300%。创新型紫外线传感器 Shade 旨在通过关联的智能手机应用量化用户的紫外线暴露水平,帮助人们管理其紫外线暴露。为验证 Shade 的有效性,我们拟开展一项研究,传达紫外线暴露水平并将其与光化性角化病(AK)——一种皮肤癌前病变——的发生相关联。我们将招募有多发复发性 AK 的患者,因为该人群每年持续出现新的 AK。我们将纳入肾移植患者。肾移植患者发生鳞状细胞癌(SCC)的风险是……的 65 倍(源站描述在此处截断)。
【主题与分类】
主题标签:Skin Cancer、Actinic Keratoses、Behavior, Health、Behavior, Risk Reduction。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03315286
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/NCT03315286
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:皮肤癌、光化性角化病、紫外线引起的正常皮肤改变、行为、健康、行为、风险降低。由于紫外线(UV)暴露增加,非黑色素瘤皮肤癌的发病率在过去20年里增长了300%。创新的UV传感器Shade旨在通过连接的智能手机应用程序量化用户的UV暴露水平,帮助人们管理UV暴露。为了验证Shade的有效性,我们提出进行一项研究,传达UV暴露水平并将其与光化性角化病(AK)的发展相关联,AK是一种皮肤的癌前病变。我们将招募有多发性复发性AK的患者,因为这一人群每年都会继续发展出AK。我们将包括肾移植患者。肾移植患者发展为鳞状细胞癌(SCC)的风险比正常患者高65倍。他们是这项研究的理想患者群体。我们将评估UV监测器在一个夏季内减少AK数量的有效性。
这项随机、部分盲法研究将招募120名近期有光化性角化病(AK)病变史的患者,并评估一个夏季后新发AK的发生率。我们将进行对照组与研究组的分析。一半受试者(研究组)将被随机分配使用该传感器及其智能手机应用程序,而另一半(对照组)将接受标准护理治疗,包括建议避免日晒。受试者将定期接受皮肤科医生的标准护理访视,医生将通过临床检查和摄影来跟踪光化性角化病的数量。主要结局将是对照组与研究组在一个夏季内新发AK病变累计数量至少减少25%且具有统计学显著性,在入组和随访时进行计数。在一个研究中心的受试者中,还将通过ELISA测量暴露于日晒部位(面颊)和未暴露于日晒部位(口腔黏膜)的环丁烷嘧啶二聚体(CPD)水平,以评估皮肤DNA损伤,两组均进行检测。
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。




