Miro3D Wound Matrix 治疗糖尿病足溃疡
该数据集来自 clinicaltrials.gov,围绕 Miro3D Wound Matrix 治疗慢性、难愈性糖尿病足溃疡(DFUs)的前瞻性、多中心、开放标签、随机对照试验

基本信息
资源简介
Miro3D Wound Matrix 治疗糖尿病足溃疡
该数据集来自 clinicaltrials.gov,围绕 Miro3D Wound Matrix 治疗慢性、难愈性糖尿病足溃疡(DFUs)的前瞻性、多中心、开放标签、随机对照试验。数据覆盖糖尿病足溃疡、糖尿病足与慢性创面等主题,涉及在标准治疗(SOC)基础上加用 Miro3D Wound Matrix 与单独 SOC 的疗效与安全性比较。可用于评估该干预对创面愈合结局的作用,并支持糖尿病足溃疡治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:糖尿病足溃疡(DFUs)、糖尿病足、慢性创面。这是一项前瞻性、多中心、开放标签、随机对照试验,旨在评估 Miro3D Wound Matrix 治疗慢性、难愈性糖尿病足溃疡(DFUs)的安全性和有效性。糖尿病足溃疡带来显著的临床和经济负担,并与感染、住院和截肢风险增加相关。尽管坚持标准治疗(SOC),包括减压、清创、感染控制和湿度管理,仍有相当比例的 DFUs 未能实现完全愈合。本研究旨在评估在 SOC 基础上加用 Miro3D Wound Matrix 治疗相比单独 SOC 能否改善愈合结局。Miro3D Wound Matrix 是一种无菌、无细胞、三维支架,来源于猪肝组织。该基质是 d
【主题与分类】
主题标签:Diabetic Foot Ulcers (DFUs)、Diabetic Foot、Chronic Wounds。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07632001
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/NCT07632001
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:糖尿病足溃疡(DFUs)、糖尿病足、慢性创面。这是一项前瞻性、多中心、开放标签、随机对照试验,旨在评估Miro3D伤口基质治疗慢性、不愈合的糖尿病足溃疡(DFUs)的安全性和有效性。糖尿病足溃疡带来显著的临床和经济负担,并与感染、住院和截肢风险增加相关。尽管遵循标准治疗(SOC),包括减压、清创、感染控制和湿度管理,仍有相当比例的DFUs未能实现完全愈合。本研究旨在评估与单独使用SOC相比,辅助使用Miro3D伤口基质能否改善愈合结局。Miro3D伤口基质是一种无菌、无细胞、三维支架,来源于猪肝组织。该基质旨在提供支持组织再生和伤口愈合的结构环境。在适当准备创面床后,将该产品局部应用于伤口。
大约180名患有Wagner 1级或2级糖尿病足溃疡的成年受试者将在美国多达20个临床中心入组。受试者的溃疡必须已存在至少4周但少于12个月,并且在两周筛选期内接受标准治疗的情况下,伤口面积缩小必须小于25%。筛选后,符合条件的受试者将按1:1的比例随机分配至两个治疗组之一:在标准治疗基础上加用Miro3D Wound Matrix治疗,或仅接受标准治疗。标准治疗将包括锐器清创、使用方案规定的装置进行减压,以及适当的保湿敷料。受试者将每周接受一次评估,持续长达12周。每次访视时,评估将包括伤口测量、照片记录、感染状态、使用数字疼痛评定量表(NPRS)进行疼痛评估,以及不良事件监测。在部分中心,还将进行额外的探索性
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。




