额部纤维性脱发面部丘疹数据集
该数据集来自 clinicaltrials.gov，聚焦额部纤维性脱发（FFA）患者面部丘疹的治疗研究。数据围绕 Cutera 1726 nm 激光系统（又称 AviClear）展开，用于评估该设备治疗 FFA 相关面部丘疹的安全性与疗效
基本信息
资源简介
额部纤维性脱发面部丘疹数据集
Facial Papules in Frontal Fibrosing Alopecia（FFA）是一个聚焦额部纤维性脱发相关面部丘疹治疗研究的数据集，归属于皮肤与结缔组织疾病／脱发分类，来源为 clinicaltrials.gov。该数据集围绕 Cutera 1726 nm 激光系统（又称 AviClear）展开，研究目标为评估该设备用于治疗额部纤维性脱发患者面部丘疹的安全性与疗效。数据集以 Frontal Fibrosing Alopecia 为核心主题标签，所收录内容与这一适应症下的器械治疗研究直接相关，可为关注 FFA 面部丘疹这一特定临床表现的研究者提供来源明确的资料入口。
【数据集背景】
额部纤维性脱发是一种累及头皮及面部区域的脱发相关疾病，面部丘疹是该疾病中值得关注的表现之一。本数据集所对应的研究以额部纤维性脱发为研究条件，旨在考察 Cutera 1726 nm 激光系统（又称 AviClear）用于治疗该类患者面部丘疹时的安全性与疗效。数据集因此定位于皮肤与结缔组织疾病／脱发这一分类之下，主题标签为 Frontal Fibrosing Alopecia，服务于对该疾病面部丘疹治疗手段的评估性研究。
【数据内容】
数据集内容围绕上述激光系统治疗额部纤维性脱发患者面部丘疹的安全性与疗效评估展开。研究条件明确为 Frontal Fibrosing Alopecia，所涉及的干预设备为 Cutera 1726 nm 激光系统，亦称 AviClear。除上述研究条件、研究目标与设备信息外，数据集具体包含的字段、变量、记录数量及观测指标等内容，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov，属于该来源站收录的研究资料。其研究条件为额部纤维性脱发，研究目的为评估 Cutera 1726 nm 激光系统（AviClear）治疗面部丘疹的安全性与疗效。关于采集时间范围、采集机构、采集流程及样本规模等信息，源站未提供。
【适用场景】
该数据集适用于关注额部纤维性脱发患者面部丘疹治疗的研究场景，尤其是围绕 Cutera 1726 nm 激光系统（AviClear）安全性与疗效评估的相关工作。其主题标签 Frontal Fibrosing Alopecia 与皮肤与结缔组织疾病／脱发分类，也使其可用于该疾病领域内相关研究资料的检索与归类。除此之外的具体适用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括访问方式、数据结构说明及分析操作指引等。
【质量与限制】
该数据集的信息来源为 clinicaltrials.gov，研究条件与目标表述明确。但关于数据完整性、准确性验证、样本量、随访时长及潜在偏倚等质量相关信息，源站未提供，使用时应以源站原始记录为准。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
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/NCT07340671
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：额部纤维性脱发。目的是评估Cutera 1726 nm激光系统（也称为AviClear）治疗额部纤维性脱发（FFA）面部丘疹的安全性和有效性。
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。
