脂肪肝数字疗法

该数据集来自 clinicaltrials.gov,围绕脂肪肝数字疗法开展研究,涉及脂肪性肝炎、非酒精性脂肪肝等病症。研究为随机对照试验,比较脂肪肝数据分析与干预系统(FLDAS)结合软硬件设备的数字疗法与传统生活方式干预在脂肪肝患者中的效果,并评估远程生活方式(饮食与运动)干预的有效性

Xinhua Hospital, Shanghai Jiao Tong University School of MedicineXinhua Hospital, Shanghai Jiao Tong University School of Medicine
clinicaltrials
浏览 17
其他预测Steatohepatitis, NonalcoholicNonalcoholic Fatty Liver
Digital Therapy for Fatty Liver Disease

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-08

资源简介

脂肪肝数字疗法

该数据集来自 clinicaltrials.gov,围绕脂肪肝数字疗法开展研究,涉及脂肪性肝炎、非酒精性脂肪肝等病症。研究为随机对照试验,比较脂肪肝数据分析与干预系统(FLDAS)结合软硬件设备的数字疗法与传统生活方式干预在脂肪肝患者中的效果,并评估远程生活方式(饮食与运动)干预的有效性。数据可用于验证数字疗法对脂肪肝患者的有效性,以及评估远程饮食和运动干预方案,帮助临床医生提升相关干预效率(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:脂肪性肝炎、非酒精性、非酒精性脂肪肝。本研究是一项随机对照试验,旨在临床应用脂肪肝数据分析与干预系统(FLDAS),比较传统生活方式干预与结合软件和硬件设备的数字疗法在脂肪肝患者中的有效性;验证数字疗法对脂肪肝患者的有效性;并评估远程生活方式(饮食和运动)干预的有效性。研究人员开展了一项随机对照试验,比较针对脂肪肝患者的传统生活方式干预与结合数字疗法软件和硬件设备的远程生活方式(饮食和运动)干预的有效性。当该方案的有效性得到验证后,它可以帮助临床医生提高效率

【主题与分类】

主题标签:Steatohepatitis, Nonalcoholic、Nonalcoholic Fatty Liver。本站分类:消化系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07007741

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/NCT07007741

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

条件:脂肪性肝炎、非酒精性、非酒精性脂肪肝。本研究是一项随机对照试验,旨在通过脂肪肝数据分析与干预系统(FLDAS)的临床应用,比较传统生活方式干预与结合软硬件设备的数字疗法在脂肪肝患者中的有效性;验证数字疗法在脂肪肝患者中的有效性;并评估远程生活方式(饮食与运动)干预的有效性。研究人员开展了一项随机对照试验,比较针对脂肪肝患者的传统生活方式干预与结合数字疗法软硬件设备的远程生活方式(饮食与运动)干预的有效性。当该方案的有效性得到验证后,它可以帮助临床医生提高脂肪肝患者生活方式干预的效率,并作为疾病干预的创新方法,满足脂肪肝患者日益增长的基层医疗需求。

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