自体脂肪组织注射治疗复杂性隐窝腺性肛瘘
该数据集来自 clinicaltrials.gov,主题为自体新鲜采集脂肪组织注射治疗复杂性隐窝腺性肛瘘。源站描述显示,复杂性隐窝腺性肛瘘发病率高,主要影响年轻患者,显著降低生活质量并导致高病假率;其治疗因括约肌保留技术疗效有限、手术可能带来大便失禁风险而成为难题

基本信息
资源简介
自体脂肪组织注射治疗复杂性隐窝腺性肛瘘
该数据集来自 clinicaltrials.gov,主题为自体新鲜采集脂肪组织注射治疗复杂性隐窝腺性肛瘘。源站描述显示,复杂性隐窝腺性肛瘘发病率高,主要影响年轻患者,显著降低生活质量并导致高病假率;其治疗因括约肌保留技术疗效有限、手术可能带来大便失禁风险而成为难题。研究目标是评估自体脂肪组织注射作为微创、高可重复性、不影响患者控便能力且成本极低的替代方案的有效性与安全性。方法为前瞻性多中心、随机、双盲、平行组、安慰剂对照临床试验,各中心设有随机化列表以保证中心间分配均衡(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:肛瘘。复杂性隐窝腺性肛瘘的发病率高,主要影响年轻患者,意味着其生活质量受到重要影响,且病假患病率高。由于其治疗因括约肌保留技术疗效有限,以及在需要手术的病例中不可避免的大便失禁风险,仍然是一个真正的挑战。目标:评估注射新鲜采集的自体脂肪组织作为微创、高度可重复、对患者控便能力无风险且成本极低的替代方案,在治疗复杂性隐窝腺性肛瘘中的有效性和安全性。方法:前瞻性多中心、随机、双盲、平行组、安慰剂对照临床试验。每个中心设有随机化列表,以确保中心间分配的均衡。
【主题与分类】
主题标签:Anal Fistula。本站分类:消化系统疾病/肛瘘。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04790123
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/NCT04790123
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:肛瘘。复杂性隐窝腺源性肛瘘的发病率较高,主要影响年轻患者,严重影响其生活质量,且病假率较高。由于其治疗中括约肌保留技术疗效有限,且在需要手术的病例中不可避免地存在大便失禁风险,因此其治疗仍是一项真正的挑战。目标:评估注射新鲜采集的自体脂肪组织作为微创、高度可重复、对患者控便功能无风险且成本极低的替代方法,在治疗复杂性隐窝腺源性肛瘘中的有效性和安全性。方法:前瞻性、多中心、随机、双盲、平行组、安慰剂对照临床试验。每个中心设有随机化列表,以确保中心间分配的平衡。纳入标准为:年龄大于18岁、患有隐窝腺源性肛瘘、化脓时间超过6周且少于1年、最多仅接受过刮除和引流置管的患者。
治疗组:在刮除并闭合内口后,向瘘管内注射新鲜自体脂肪,并在腹部进行脂肪抽吸及离心处理。安慰剂组:刮除并闭合内口,并在腹部进行模拟干预。评估:在基线时、干预后一周以及第3、6、12个月,进行标准化临床病史采集和瘘管复杂性评分(CFS)、患者对其病理的主观感知、圣马克失禁评分、生活质量问卷(QoLAF)以及肛门内3D超声检查。患者和评估者将对治疗分配保持盲态。因术中事件或医疗决策而无法最终接受治疗的患者将被排除在研究之外(随机化后排除)。每个中心将设有一名盲态评估者,负责执行随访和肛门内超声检查。
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。




