非酒精性脂肪性肝病参数化PET(FLiPP)研究

该数据集来自clinicaltrials.gov,聚焦非酒精性脂肪性肝病(NAFLD)与非酒精性脂肪性肝炎(NASH)。研究拟评估氟脱氧葡萄糖(FDG)正电子发射断层扫描(PET)在判定脂肪性肝炎中的作用,并结合MRI检测、区分和定量肝脂肪变性、脂肪性肝炎与纤维化,且与肝活检结果进行相关性分析

University of California, DavisUniversity of California, Davis
clinicaltrials
浏览 7
医学影像分类Non-alcoholic Steatohepatitis (NASH)
Non-alcoholic Fatty Liver Disease Parametric PET (FLiPP) Study

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-08

资源简介

非酒精性脂肪性肝病参数化PET(FLiPP)研究

该数据集来自clinicaltrials.gov,聚焦非酒精性脂肪性肝病(NAFLD)与非酒精性脂肪性肝炎(NASH)。研究拟评估氟脱氧葡萄糖(FDG)正电子发射断层扫描(PET)在判定脂肪性肝炎中的作用,并结合MRI检测、区分和定量肝脂肪变性、脂肪性肝炎与纤维化,且与肝活检结果进行相关性分析。入组患者已接受或将在临床诊疗中接受肝活检,不会仅为入组而活检。当前肝活检患者的治疗选择限于生活方式改变及非糖尿病患者使用维生素E。数据可用于脂肪性肝炎识别与肝脏病变定量相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:非酒精性脂肪性肝病(NAFLD)、非酒精性脂肪性肝炎(NASH)。研究组拟评估氟脱氧葡萄糖(FDG)正电子发射断层扫描(PET)在判定脂肪性肝炎中的作用,并结合MRI检测、区分和定量肝脂肪变性、脂肪性肝炎和纤维化,与肝活检进行相关性分析。入组本研究的患者已经接受过肝活检,或将根据其提供者的决定作为临床诊疗的一部分接受肝活检,不会仅为入组研究而接受活检。目前对进行肝活检的患者的治疗选择限于生活方式改变,以及针对非糖尿病患者的维生素E。

【主题与分类】

主题标签:Non-alcoholic Steatohepatitis (NASH)。本站分类:消化系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT02754037

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/NCT02754037

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

疾病:非酒精性脂肪性肝病(NAFLD)、非酒精性脂肪性肝炎(NASH)。研究组拟评估氟脱氧葡萄糖(FDG)正电子发射断层扫描(PET)在判定脂肪性肝炎中的作用,以及与MRI联合用于检测、区分和定量肝脏脂肪变性、脂肪性肝炎和纤维化,并与肝活检结果进行相关性分析。入组本研究的患者已经接受过肝活检,或将根据其医疗提供者的决定,作为临床诊疗的一部分接受肝活检,而不会仅为入组研究而接受活检。对于正在接受肝活检的患者,目前的治疗选择仅限于生活方式改变,以及针对非糖尿病患者的维生素E治疗。

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