检测高危患者肝纤维化
该数据集来自 clinicaltrials.gov，围绕在高危人群中检测肝纤维化，关注脂肪肝、NAFLD、Nash、MASLD、酒精性或非酒精性肝病、肝硬化及早期诊断生物标志物等方向
基本信息
资源简介
检测高危患者肝纤维化
该数据集来自 clinicaltrials.gov，围绕在高危人群中检测肝纤维化，关注脂肪肝、NAFLD、Nash、MASLD、酒精性或非酒精性肝病、肝硬化及早期诊断生物标志物等方向。项目将建立名为 STELIR 的研究队列，基于生物样本库并关联健康登记数据，收集、储存和分析有脂肪性肝病风险人群的生物材料与临床数据。队列纳入同意参与并长期随访的个体，计划在基线、2 年后、5 年后及此后每 5 年进行检查和检测（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：脂肪肝、NAFLD - 非酒精性脂肪性肝病、Nash、MASLD（代谢功能障碍相关脂肪性肝病）、早期诊断中的生物标志物、肝病（酒精性或非酒精性）、肝硬化、肝脏。该项目将建立一个研究队列（称为 STELIR；STEatotisk Liver-risk In Rogaland），基于一个生物样本库并关联一个健康登记。目的是从有脂肪性肝病（脂肪肝）风险的人群中收集、储存和分析生物材料与临床数据。研究队列将由同意参与的个体组成，并将接受多年随访，计划在基线、2 年后、5 年后以及此后每 5 年进行检查/检测。STELIR 队列由年龄在 40 至 70 岁之间、具有以下一项或多项风险因素的个体组成：肥胖、2 型糖尿病或危险
【主题与分类】
主题标签：Fatty Liver、Nash、Biomarker in Early Diagnosis、Liver Disease (Alcoholic or Not)、Cirrhoses, Liver。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07775638
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/NCT07775638
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：脂肪肝、NAFLD——非酒精性脂肪性肝病、NASH、MASLD（代谢功能障碍相关脂肪性肝病）、早期诊断中的生物标志物、肝病（酒精性或非酒精性）、肝硬化、肝脏。该项目将建立一个研究队列（称为STELIR；STEatotisk Liver-risk In Rogaland），基于一个生物样本库及相关的健康登记系统。目的是收集、储存和分析来自脂肪性肝病（脂肪肝病）风险人群的生物材料和临床数据。该研究队列将由同意参与的个人组成，并将接受多年随访，计划在基线、2年后、5年后以及此后每5年进行一次检查/检测。STELIR队列由40至70岁之间、具有以下一项或多项风险因素的个人组成：肥胖、2型糖尿病或危险或有害的酒精消费。所收集的生物材料和临床数据将被储存并用于肝脏相关疾病风险、诊断和治疗的研究。
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。
