光动力疗法治疗口臭的评估

该数据集来自 clinicaltrials.gov,主题为光动力疗法治疗口臭的评估。研究为单中心、随机、对照、单盲临床试验,依据 SPIRIT 声明中干预性试验推荐标准设计,并获 Nove de Julho 大学人类研究伦理委员会批准

University of Nove de JulhoUniversity of Nove de Julho
clinicaltrials
浏览 9
其他分类Halitosis
Evaluation of Halitosis After Treatment With Photodynamic Therapy

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-10

资源简介

光动力疗法治疗口臭的评估

该数据集来自 clinicaltrials.gov,主题为光动力疗法治疗口臭的评估。研究为单中心、随机、对照、单盲临床试验,依据 SPIRIT 声明中干预性试验推荐标准设计,并获 Nove de Julho 大学人类研究伦理委员会批准。研究对象为在该大学牙科诊所接受治疗的成年人,分为两组,需签署知情同意书。研究遵循赫尔辛基宣言。数据可用于口臭治疗相关临床研究,但源站未提供样本量、具体干预方案及结局指标等细节(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:口臭。依据 SPIRIT 声明中干预性试验推荐标准,设计了一项单中心、随机、对照、单盲临床试验。拟议研究项目已获得 Nove de Julho 大学人类研究伦理委员会批准(证书编号:1057901)。个体选择——样本特征——将由在 Nove de Julho 大学牙科诊所接受治疗的成年人组成两组。在对研究进行口头和书面解释后,同意参与者将签署一份经 Nove de Julho 大学人类研究伦理委员会批准的知情同意声明。研究将遵循《赫尔辛基宣言》(2013 年巴西福塔莱萨修订版)中规定的准则进行。

【主题与分类】

主题标签:Halitosis。本站分类:口腔疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03973684

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT03973684

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

条件:口臭。根据SPIRIT声明中推荐的干预性试验标准,设计了一项单中心、随机、对照、单盲临床试验。拟议研究的项目获得了诺韦德朱利奥大学人类研究伦理委员会的批准(证书编号:1057901)。个体选择——样本特征——将组成两个组,由在诺韦德朱利奥大学牙科诊所接受治疗的成年人组成。在对研究进行口头和书面解释后,同意参与者将签署一份经诺韦德朱利奥大学人类研究伦理委员会批准的知情同意书。研究将遵循《赫尔辛基宣言》(2013年巴西福塔莱萨修订版)规定的准则进行。

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。

获取专属数据定制方案