热声设备评估脂肪肝数据集

该数据集来自 clinicaltrials.gov,聚焦非酒精性脂肪性肝病(NAFLD)及非酒精性脂肪性肝炎(NASH)等脂肪肝相关人群

Medical College of WisconsinMedical College of Wisconsin
clinicaltrials
浏览 18
医学影像回归NASHNAFLDNon-alcoholic Fatty LiverNon-Alcoholic Fatty Liver DiseaseNon-alcoholic SteatohepatitisFatty LiverFatty Liver Disease
Assessment of Fatty Liver With Thermo-acoustic Device

基本信息

模态
医学影像
任务类型
回归
创建/更新时间
2026-10-08

资源简介

热声设备评估脂肪肝数据集

该数据集来自 clinicaltrials.gov,聚焦非酒精性脂肪性肝病(NAFLD)及非酒精性脂肪性肝炎(NASH)等脂肪肝相关人群。研究纳入已知或疑似非酒精性脂肪肝且符合入组标准的患者,通过 MRI-PDFF 与热声超声两种方式估计肝脏脂肪变性程度,并将热声超声的估计结果与 MRI 结果进行对比,以评估热声超声设备的准确性;同时评估其在肝脏脂肪含量按体积计为 15% 或更低时诊断肝脂肪变性的敏感性。数据可用于脂肪肝无创评估与设备性能验证(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:NASH、NAFLD、非酒精性脂肪肝、非酒精性脂肪性肝病、非酒精性脂肪性肝炎、脂肪肝、脂肪肝疾病。已知或推测诊断为非酒精性脂肪性肝病且符合入选标准的患者将被纳入研究。他们将接受影像学检查,通过两种方式(MRI - PDFF 和热声超声)估计肝脏脂肪变性。热声超声获得的估计值将与 MRI 结果进行比较,以评估热声超声设备估计的准确性。该研究还将评估热声超声设备在肝脏脂肪含量按体积计为 15% 或更低时能否诊断肝脂肪变性的敏感性。

【主题与分类】

主题标签:NASH、NAFLD、Non-alcoholic Fatty Liver、Non-Alcoholic Fatty Liver Disease、Non-alcoholic Steatohepatitis、Fatty Liver、Fatty Liver Disease。本站分类:消化系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04302051

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/NCT04302051

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:NASH、NAFLD、非酒精性脂肪肝、非酒精性脂肪性肝病、非酒精性脂肪性肝炎、脂肪肝、脂肪性肝病。符合入选标准的已知或推测诊断为非酒精性脂肪性肝病的患者将被纳入研究。他们将通过两种方式(MRI-PDFF和热声超声)进行影像学检查以评估肝脏脂肪变性。热声超声获得的估测值将与MRI结果进行比较,以评估热声超声设备的估测准确性。该研究还将评估热声超声设备的敏感性,即当肝脏脂肪含量按体积计为15%或以下时,该设备能否诊断出肝脏脂肪变性的存在。

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