2型糖尿病的胰腺形态学特征

该数据集来自 clinicaltrials.gov,主题为2型糖尿病的胰腺形态学特征,属于消化系统疾病/其他分类。研究假设2型糖尿病与胰腺纤维化相关,纤维化可通过微创影像技术评估,并与胰腺外分泌功能改变(胰酶分泌减少及营养缺乏)相关

Hospital Clinico Universitario de SantiagoHospital Clinico Universitario de Santiago
clinicaltrials
浏览 22
医学影像分类Diabetes Mellitus, Type 2
Morphological Pancreatic Features in Diabetes Mellitus Type 2

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-06

资源简介

2型糖尿病的胰腺形态学特征

该数据集来自 clinicaltrials.gov,主题为2型糖尿病的胰腺形态学特征,属于消化系统疾病/其他分类。研究假设2型糖尿病与胰腺纤维化相关,纤维化可通过微创影像技术评估,并与胰腺外分泌功能改变(胰酶分泌减少及营养缺乏)相关。研究设计为前瞻性、观察性、横断面、比较性病例对照研究,采用内镜超声和定量弹性成像评估胰腺纤维化,通过粪便弹性蛋白酶检测和营养评估探索胰腺功能,计划样本量94例(47例病例和47例对照),研究周期2年。可用于糖尿病相关胰腺病变的影像与功能关联研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:2型糖尿病。假设:2型糖尿病与胰腺纤维化相关,可通过微创影像技术评估。该纤维化与胰腺外分泌功能改变相关,定义为胰酶分泌减少和营养缺乏的发生。为验证该假设,设计了一项前瞻性、观察性、横断面、比较性病例对照研究。将通过内镜超声和定量弹性成像在病例(2型糖尿病)和年龄性别匹配的无糖尿病对照中评估胰腺纤维化。将通过粪便弹性蛋白酶检测和营养评估探索胰腺功能。计算样本量为94例患者(47例病例和47例对照)。研究周期为2年。

【主题与分类】

主题标签:Diabetes Mellitus, Type 2。本站分类:消化系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05762653

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/NCT05762653

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

病症:2型糖尿病。假设:2型糖尿病与胰腺纤维化相关,可通过微创成像技术进行评估。该纤维化与胰腺外分泌功能改变有关,定义为胰腺酶分泌减少及营养缺乏的发展。为验证该假设,已设计了一项前瞻性、观察性、横断面、比较性、病例对照研究。将通过内镜超声和定量弹性成像在病例组(2型糖尿病)与年龄性别匹配的无糖尿病对照组中评估胰腺纤维化。将通过粪便弹性蛋白酶测试和营养评估来探究胰腺功能。计算得出的样本量为94名患者(47例病例和47名对照)。研究周期为2年。

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