成人特应性皮炎、斑秃、银屑病或白癜风皮肤病变评估危险因素与新方法的试点队列研究
该数据集来自 clinicaltrials.gov,是一项针对成人特应性皮炎、银屑病、斑秃和白癜风患者的试点队列研究。研究探索临床与生化参数及其与疾病严重度、活动性和预后的关联,并验证基于智能手机照片的皮肤病变远程评估方法,同时评估每周远程评估和患者报告数据收集的可行性与依从性

基本信息
资源简介
成人特应性皮炎、斑秃、银屑病或白癜风皮肤病变评估危险因素与新方法的试点队列研究
该数据集来自 clinicaltrials.gov,是一项针对成人特应性皮炎、银屑病、斑秃和白癜风患者的试点队列研究。研究探索临床与生化参数及其与疾病严重度、活动性和预后的关联,并验证基于智能手机照片的皮肤病变远程评估方法,同时评估每周远程评估和患者报告数据收集的可行性与依从性。研究为期一年,记录用药类型与剂量、高分辨率疾病活动数据,并采集血清样本用于探索性生物标志物分析。数据可用于疾病活动预测、远程评估方法验证及生物标志物关联研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:斑秃、白癜风、特应性皮炎、银屑病。本研究旨在探索各种临床和生化参数及其与特应性皮炎、银屑病、斑秃和白癜风疾病严重程度、活动性和预后的潜在关联。此外,该研究旨在验证使用智能手机拍摄照片对皮肤病变进行远程评估的方法。研究还将评估在整个为期一年的研究期间每周进行远程评估和患者报告数据收集的可行性和依从性。研究将对患者进行为期一年的观察,并提供有关所用药物类型和剂量的详细信息,以及在此期间高分辨率评估疾病活动的数据。研究将涉及采集血清样本用于探索性生物标志物,以及穿刺活检。
【主题与分类】
主题标签:Alopecia Areata、Vitiligo、Atopic Dermatitis、Psoriasis。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06319781
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/NCT06319781
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
研究疾病:斑秃、白癜风、特应性皮炎、银屑病。本研究旨在探索各种临床和生化参数及其与特应性皮炎、银屑病、斑秃和白癜风疾病严重程度、活动性和预后的潜在关联。此外,本研究旨在验证使用智能手机拍摄照片对皮肤病变进行远程评估的方法。研究还将评估在整个为期一年的研究期间每周进行远程评估和患者报告数据收集的可行性及依从性。研究将对患者进行为期一年的观察,并提供有关所用药物类型和剂量的详细信息,以及在此期间高分辨率评估疾病活动性的数据。研究将包括采集血清样本用于探索性生物标志物检测,以及进行钻孔活检。总共约370名患者将被纳入研究,分为特应性皮炎、斑秃、银屑病和白癜风四个疾病领域。
结合自我报告与现场评估及程序,旨在观察特定皮肤病患者自然病史,探究与疾病活动及症状相关的组织特征,评估远程评估病变的有效性,以及每周自行采集皮肤病变智能手机图像进行远程评估的可行性。
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。




