评估Legit.Health Plus支持对初级保健医生和皮肤科医生诊断泛发性脓疱型银屑病及其他皮肤病的改善作用

数据集获取

源站：https://clinicaltrials.gov/study/NCT07428915

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病范围：脓疱型银屑病（PP）、泛发性脓疱型银屑病（GPP）、湿疹性特应性皮炎、急性泛发性发疹性脓疱病、痤疮、聚合性痤疮、脂溢性角化病、脂溢性皮炎。本研究设计为多读者多病例（MRMC）研究。由15名医疗专业人员组成的队列作为“读者”，其中包括11名初级保健医生和4名皮肤科医生。这些读者对包含100张临床图像的“病例”集进行评估，以评价在有无AI设备辅助下的诊断性能。研究设计与技术方法本研究为前瞻性观察性横断面研究。采用“医生自身对照”设计，以衡量人工智能（AI）对诊断性能的影响。* 干预流程：参与者访问一个专用网络平台，平台向其呈现100个临床病例。* 评估步骤：对于每个病例，执业医师首先结合临床图像与病史资料（如过敏史、全身症状）进行评估，给出初步诊断。

• AI支持：随后，在做出最终评估前，向他们展示了AI建议的前5种诊断及其相应的置信水平。* 图像来源：案例包括高质量的全科脓疱性银屑病（GPP）、化脓性汗腺炎（HS）图像，以及各种鉴别诊断中的“相似”病症，如角层下脓疱性皮肤病和掌跖脓疱病。* 数据来源：这些图像选自公共皮肤病学图集和赞助方的内部研究数据库。质量保证与数据管理 为确保研究发现的科学诚信和可靠性，实施了多项质量控制措施：* 数据验证：通过基于验证规则运行计算机过滤器，对临床数据进行了验证流程。* 错误检测：这些过滤器自动识别缺失值或不一致之处。此外，还辅以人工编辑和探索性统计技术，以发现逻辑错误和不一致。* 监测计划：该调查由

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。