FFPE qPCR检测幽门螺杆菌克拉霉素耐药性的可行性与性能
该数据集来自clinicaltrials.gov,聚焦幽门螺杆菌感染与克拉霉素耐药检测。源站描述为一项前瞻性单中心观察性研究,评估在常规胃镜检查中采集的福尔马林固定石蜡包埋(FFPE)胃活检组织上进行实时聚合酶链反应(qPCR)的可行性与诊断性能,探讨已用于组织病理学检查的FFPE组织样本能否用于检

基本信息
资源简介
FFPE qPCR检测幽门螺杆菌克拉霉素耐药性的可行性与性能
该数据集来自clinicaltrials.gov,聚焦幽门螺杆菌感染与克拉霉素耐药检测。源站描述为一项前瞻性单中心观察性研究,评估在常规胃镜检查中采集的福尔马林固定石蜡包埋(FFPE)胃活检组织上进行实时聚合酶链反应(qPCR)的可行性与诊断性能,探讨已用于组织病理学检查的FFPE组织样本能否用于检测幽门螺杆菌及23S rRNA基因突变。数据可用于耐药检测方法学评估与消化系统疾病相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: HELICOBACTER PYLORI INFECTIONS. 幽门螺杆菌(H. pylori)感染是一种常见的慢性细菌感染,与消化性溃疡病和胃恶性肿瘤相关。克拉霉素耐药是治疗失败的重要原因。当前建议支持基于克拉霉素耐药检测的药敏指导治疗;然而,在常规临床实践中,耐药检测仍不常进行。这项前瞻性、单中心观察性研究将评估在常规胃镜检查中采集的福尔马林固定、石蜡包埋(FFPE)胃活检组织上进行实时聚合酶链反应(qPCR)的可行性和诊断性能。该研究将探究已获取用于组织病理学检查的FFPE组织样本能否用于检测H. pylori及23S rRNA基因的突变
【主题与分类】
主题标签:HELICOBACTER PYLORI INFECTIONS。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07821294
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/NCT07821294
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:幽门螺杆菌感染。幽门螺杆菌(H. pylori)感染是一种常见的慢性细菌感染,与消化性溃疡病和胃部恶性肿瘤相关。克拉霉素耐药是治疗失败的重要原因。目前的建议支持基于克拉霉素耐药检测的敏感性指导治疗;然而,在常规临床实践中,耐药检测仍不常进行。这项前瞻性、单中心观察性研究将评估在常规胃镜检查期间采集的福尔马林固定、石蜡包埋(FFPE)胃活检组织上进行实时聚合酶链反应(qPCR)的可行性和诊断性能。该研究将探讨已获取用于组织病理学检查的FFPE组织样本是否可用于检测H. pylori及与克拉霉素耐药相关的23S rRNA基因突变。参与者为疑似H. pylori感染且需要在胃镜检查期间进行胃活检的成年人。H. pylori感染将通过组织学检查和免疫组织化学确认。对于确诊H.
对于幽门螺杆菌感染,将选取相应的FFPE组织块进行DNA提取,并针对与大环内酯类耐药相关突变进行qPCR检测。主要目标是在常规临床实践中,前瞻性评估FFPE胃活检组织qPCR检测幽门螺杆菌大环内酯类耐药的可行性和性能。诊断性能将包括幽门螺杆菌检测及大环内酯类耐药突变检测的敏感性和特异性,以及可获得可分析结果的样本比例和获得结果所需时间。次要目标包括描述研究人群中大环内酯类耐药突变的患病率和流行病学特征;评估FFPE qPCR与免疫组化之间的一致性,尤其是在细菌载量低的病例中
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。




