印第安纳大学胃肠动力诊断登记数据集
该数据集为印第安纳大学胃肠动力诊断登记数据集,来源于 clinicaltrials.gov,收录在循环系统疾病/其他分类下

基本信息
资源简介
印第安纳大学胃肠动力诊断登记数据集
该数据集为印第安纳大学胃肠动力诊断登记数据集,来源于 clinicaltrials.gov,收录在循环系统疾病/其他分类下。数据覆盖嗜酸性食管炎、胃食管反流病、胃轻瘫、功能性呕吐、肠易激综合征、便秘、慢性假性肠梗阻及大便失禁等胃肠动力障碍。登记对象为在相关门诊就诊的动力障碍患者,其动力诊断由胃肠动力专科医师依据临床共识诊断标准作出,而非基于计费诊断代码。该数据可用于支持印第安纳大学医学院胃肠动力与神经胃肠病学部门的未来临床研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:嗜酸性食管炎、胃食管反流病(GERD)、胃轻瘫、功能性呕吐、肠易激综合征(IBS)、便秘、慢性假性肠梗阻、大便失禁。建立一个登记库(患者名单),纳入在门诊就诊的动力障碍患者。基于计费诊断代码的动力诊断不准确。动力诊断将由专攻胃肠动力的医师根据诊断标准的临床共识作出。从该数据库收集的信息将用于帮助促进印第安纳大学医学院胃肠动力与神经胃肠病学部门的未来临床研究。胃肠动力症状非常常见。它涵盖一系列广泛的问题,如吞咽困难、烧心、恶心、呕吐、食物反流、腹胀、体重减轻、餐后
【主题与分类】
主题标签:Eosinophilic Esophagitis、Gastroesophageal Reflux Disease (GERD)、Gastroparesis、Functional Vomiting、Irritable Bowel Syndrome (IBS)、Constipation、Chronic Intestinal Pseudo-obstruction、Fecal Incontinence、Small Intestinal Bacterial Overgrowth。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04506593
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/NCT04506593
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
疾病:嗜酸性食管炎、胃食管反流病(GERD)、胃轻瘫、功能性呕吐、肠易激综合征(IBS)、便秘、慢性假性肠梗阻、大便失禁。建立一个在门诊就诊的动力障碍患者的登记册(患者名单)。基于计费诊断代码的动力诊断并不准确。动力诊断将由专攻胃肠动力的医生根据诊断标准的临床共识来做出。从数据库中收集的信息将用于帮助促进印第安纳大学医学院胃肠动力与神经胃肠病学部门未来的临床研究。胃肠动力症状非常常见。它涵盖了一系列广泛的问题,如吞咽困难、烧心、恶心、呕吐、食物反流、腹胀、体重减轻、餐后饱胀、便秘和腹泻。准确的诊断对于促进具有成本效益的治疗和未来的研究以造福胃肠动力障碍患者至关重要。具体目标 1. 主要目标:通过准确的动力诊断识别患者 2.
次要目标:1. 在小肠细菌过度生长(SIBO)患者中开发患者报告结局(PRO)测量工具 2. 在胃轻瘫患者中开发患者报告结局(PRO)测量工具
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。




