微碎片化脂肪组织与复杂性克罗恩病肛瘘
该数据集来自 clinicaltrials.gov,聚焦克罗恩病合并复杂性肛瘘这一临床难题。源站描述指出,生物制剂联合手术的一线治疗总体成功率不超过60%,对无法完全闭合的患者尚缺乏明确方案,间充质基质细胞等创新疗法可能带来获益,而脂肪组织因来源丰富、获取便捷成为理想来源

基本信息
资源简介
微碎片化脂肪组织与复杂性克罗恩病肛瘘
该数据集来自 clinicaltrials.gov,聚焦克罗恩病合并复杂性肛瘘这一临床难题。源站描述指出,生物制剂联合手术的一线治疗总体成功率不超过60%,对无法完全闭合的患者尚缺乏明确方案,间充质基质细胞等创新疗法可能带来获益,而脂肪组织因来源丰富、获取便捷成为理想来源。研究旨在评估局部注射微碎片化脂肪组织治疗难治性复杂性肛瘘型克罗恩病的安全性、可行性与有效性,设计为非营利性介入性前瞻性研究。数据可用于相关临床研究的疗效与安全性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:克罗恩病、肛周瘘。复杂性肛周瘘是克罗恩病最具挑战性的表现之一。如今,生物制剂联合手术与药物治疗代表一线治疗选择,但总体成功率不超过60%。对于尽管联合生物治疗与手术仍无法实现完全闭合的患者,其治疗仍不明确。这些患者可能受益于创新性治疗方法,例如间充质基质细胞。脂肪组织因其丰富且易于获取而成为理想来源。研究者评估局部注射微碎片化脂肪组织在难治性复杂性肛瘘型肛周克罗恩病患者中的安全性、可行性和有效性。研究设计:这是一项非营利性介入性前瞻性研究,
【主题与分类】
主题标签:Crohn Disease、Perianal Fistula。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03555773
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/NCT03555773
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
疾病:克罗恩病,肛周瘘。复杂性肛周瘘是克罗恩病最具挑战性的表现之一。目前,结合手术与生物药物的内科治疗是一线治疗选择,但总体成功率不超过60%。对于那些尽管接受了生物治疗和手术联合治疗仍无法实现完全闭合的患者,其治疗方案仍不明确。这类患者可能从间充质基质细胞等创新治疗方法中获益。脂肪组织因其丰富且易于获取,成为理想的来源。研究者评估了局部注射微碎片脂肪组织在难治性复杂性肛周克罗恩病瘘管患者中的安全性、可行性和有效性。研究设计:这是一项无药物、非营利的介入性前瞻性研究。研究纳入了一组患者(15名),这些患者患有复杂性肛周克罗恩病,对标准生物药物治疗难治,或初始治疗有效后出现继发性失效,或存在生物治疗的临床禁忌症。
入组后,收集病史和临床数据,并进行术前检查、盆腔MRI和实验室检查(红细胞沉降率和C反应蛋白)。健康相关生活质量通过疾病特异性问卷(炎症性肠病问卷)和通用问卷(健康调查简表36)进行评估。方法——脂肪组织采集:选择下腹部/侧腹部,或必要时选择大腿内侧/外侧作为脂肪组织采集的供区,在全身麻醉或脊髓麻醉下进行。采集前,使用连接60毫升鲁尔锁注射器的一次性17号钝头套管针,向供区注射100毫升Klein溶液(500毫升生理盐水、1毫升1/1000 IU肾上腺素和40毫升2%利多卡因)。然后使用13号钝头套管针采集脂肪(50-100毫升),连接
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。




