AV-23-001 AVAVA MIRIA 试点研究
研究针对皱纹、混合萎缩性与肥厚性痤疮瘢痕、色素性病变、皮肤松弛及瘢痕等皮肤状况，评估 MIRIA Skin Treatment System（即 SR Skin Rejuvenation Laser）治疗当前适合激光治疗的皮肤科疾病的可行性
基本信息
资源简介
AV-23-001 AVAVA MIRIA 试点研究
该数据集来自 clinicaltrials.gov，为 AV-23-001 AVAVA MIRIA 试点研究，属于皮肤疾病/其他分类。研究针对皱纹、混合萎缩性与肥厚性痤疮瘢痕、色素性病变、皮肤松弛及瘢痕等皮肤状况，评估 MIRIA Skin Treatment System（即 SR Skin Rejuvenation Laser）治疗当前适合激光治疗的皮肤科疾病的可行性。这是一项前瞻性、非随机、对照研究，纳入愿意接受 MIRIA 激光照射并遵守研究要求的受试者，在研究者发起方案下正式收集不同皮肤科疾病的治疗数据（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：状况：皱纹、痤疮瘢痕-混合萎缩性和肥厚性、色素性病变、皮肤松弛、瘢痕。本研究旨在对 MIRIA Skin Treatment System（本文中称为 SR Skin Rejuvenation Laser）治疗目前适合激光治疗的皮肤科疾病（例如，包括但不限于良性色素性病变、良性皮肤病变、皱纹、质地不规则或瘢痕）的可行性进行临床评估。该临床评估正在一项研究性方案下进行，以正式收集针对不同皮肤科疾病的治疗数据。这项前瞻性、非随机、对照研究将纳入患有目前适合激光治疗的皮肤科疾病、愿意让部位暴露于 MIRIA 激光并同意遵守研究的受试者。
【主题与分类】
主题标签：Wrinkle、Pigmented Lesions、Skin Laxity、Scars。本站分类：皮肤疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06557434
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/NCT06557434
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
适应症：皱纹、痤疮瘢痕——混合性萎缩性和增生性、色素性病变、皮肤松弛、瘢痕。本研究旨在对MIRIA皮肤治疗系统（本文中称为SR皮肤再生激光）用于治疗目前适合激光治疗的皮肤科病症（例如，包括但不限于良性色素性病变、良性皮肤病变、皱纹、质地不规则或瘢痕）的可行性进行临床评估。本临床评估正在一项研究性方案下进行，以正式收集治疗不同皮肤科病症的数据。这项前瞻性、非随机、对照研究将纳入患有目前适合激光治疗的皮肤科病症、愿意将部位暴露于MIRIA激光，并同意在随访期内（最短3个月，最长18个月）遵守研究要求的受试者。患有皮肤科病症的某些区域可留作治疗区域的对照。
根据研究者的标准实践，受试者也可能被指导在激光手术前最多1个月或研究期间使用某些局部霜剂或洗剂。
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。
