抗TNFalpha治疗克罗恩病肛瘘的长期随访及新MRI序列价值研究

该数据集来自clinicaltrials.gov,聚焦克罗恩病合并肛瘘患者在接受infliximab或adalimumab治疗后的长期随访

Central Hospital, Nancy, FranceCentral Hospital, Nancy, France
clinicaltrials
浏览 18
医学影像预测Anal FistulaCrohn's Disease
Long-term Follow-up of Anal Fistulae in Crohn's Disease Treated With Anti-TNFalpha and Interest of New MRI Sequences

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-08

资源简介

抗TNFalpha治疗克罗恩病肛瘘的长期随访及新MRI序列价值研究

该数据集来自clinicaltrials.gov,聚焦克罗恩病合并肛瘘患者在接受infliximab或adalimumab治疗后的长期随访。研究通过每6个月一次、持续一年的盆腔MRI前瞻性监测,分析肛瘘复发风险,并评估MRI可见瘘管与肛周脓肿风险的关系,同时评价新磁共振序列检测持续性肛瘘的价值。数据可用于肛瘘复发预测、影像标志物识别及抗TNFalpha疗效评估等研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:肛瘘、克罗恩病。本研究的主要目的为: 通过对患者进行为期一年、每6个月一次的盆腔MRI前瞻性随访,分析肛瘘的复发风险。该监测还确定在纳入访视时MRI可见的瘘管路径是否与infliximab或adalimumab治疗下肛周脓肿风险增加相关。 评估新磁共振成像序列在检测infliximab或adalimumab治疗下持续性肛瘘中的价值。次要目的为: 描述在接受infliximab或adalimumab治疗肛瘘至少一年、且在纳入访视临床检查中显示瘘管完全愈合的患者中,MRI可见一条或多条瘘管路径的患者特征。 识别预测因素(包括

【主题与分类】

主题标签:Anal Fistula、Crohn's Disease。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/NCT02883296

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/NCT02883296

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:肛瘘、克罗恩病。本研究的主要目的为:* 通过前瞻性随访接受盆腔MRI检查的患者(每6个月一次,持续一年),分析肛瘘的复发风险。此监测还旨在确定入选访视时MRI可见的瘘管路径是否与英夫利西单抗或阿达木单抗治疗下肛周脓肿风险增加有关。* 评估新型磁共振成像序列在检测英夫利西单抗或阿达木单抗治疗下持续性肛瘘中的价值。次要目的为:* 描述在接受英夫利西单抗或阿达木单抗治疗肛瘘至少一年后,MRI可见一条或多条瘘管路径,且在入选访视临床检查中显示瘘管完全愈合的患者特征。* 识别入选访视后1年随访期间肛瘘复发的预测因素(包括入选访视时MRI可见瘘管路径的存在)。

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