使用脉冲式静脉FSH缓解生殖代谢综合征
该数据集来自clinicaltrials.gov,聚焦于使用脉冲式静脉FSH缓解生殖代谢综合征的交叉干预研究。研究计划招募肥胖女性,开展概念验证研究,以展示该治疗改善生育力的潜力

基本信息
资源简介
使用脉冲式静脉FSH缓解生殖代谢综合征
该数据集来自clinicaltrials.gov,聚焦于使用脉冲式静脉FSH缓解生殖代谢综合征的交叉干预研究。研究计划招募肥胖女性,开展概念验证研究,以展示该治疗改善生育力的潜力。研究目标并非改善肥胖女性代谢健康或减少妊娠并发症,而是识别生殖激素与卵巢微环境的影响。数据可用于探索肥胖相关不孕与卵巢储备功能减退的干预预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:不孕症、肥胖、卵巢储备功能减退(DOR)、卵巢储备功能减退。设计:交叉干预研究。研究者选择该设计,以便在可能的情况下将每位女性在连续周期中与自身进行比较。方法:患者人群与方案:研究者计划招募肥胖女性开展概念验证研究,以证明该治疗改善生育力的潜力。在此类治疗进入临床实践之前,更理想的应是开展更全面的孕前保健项目,以改善肥胖女性的代谢健康并尽量减少早产和妊娠相关高血压等妊娠并发症。然而,这不是本研究的目标,本研究仅旨在识别生殖激素和卵巢微环境的影响。知情同意/筛选流程:一段筛选流程。
【主题与分类】
主题标签:Infertility、Obesity、Diminished Ovarian Reserve (DOR)、Diminished Ovarian Reserve。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06414096
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/NCT06414096
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
条件:不孕症、肥胖、卵巢储备功能减退(DOR)、卵巢储备功能减退。设计:交叉干预研究。研究者选择此设计,以便在可能的情况下将每位女性在连续周期中与自身进行比较。方法:患者人群与方案:研究者计划招募肥胖女性进行一项概念验证研究,以证明该治疗改善生育力的潜力。在此类治疗进入临床实践之前,理想的做法是开展更全面的孕前保健项目,以改善肥胖女性的代谢健康,并尽量减少早产和妊娠相关高血压等妊娠并发症。然而,这并非本研究的目标,本研究仅旨在识别生殖激素和卵巢微环境的影响。知情同意/筛查流程:将使用一份电话筛查脚本,用于筛查因广告而咨询的参与者,其中将包含所需的知情同意口头表述语言。
符合入组条件的参与者将被要求前往临床与转化研究中心(CTRC)接受入组检查及资格实验室检测。此时,由主要研究者(PI)、专业研究助理或经机构审查委员会(IRB)批准的指定人员按照既定流程获取知情同意。知情同意讨论始终在无干扰的私密房间内进行,参与者在签署知情同意文件前有机会提问,且其问题会得到令其满意的答复。一旦提供知情同意,即按照程序部分所述执行各项操作。研究者将为参与者准备一个脉冲式FSH周期或常规每日FSH注射周期,两种情况下FSH的每日剂量相同。参与者将被随机分配至A组(先接受脉冲式FSH,随后接受常规每日注射FSH)或B组(先接受常规FSH,随后
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。




