无创MASLD诊断与T2D缓解生物标志物
该数据集来自clinicaltrials.gov,聚焦代谢功能障碍相关脂肪性肝病(MASLD,旧称NAFLD)的无创诊断及2型糖尿病(T2DM)缓解相关生物标志物

基本信息
资源简介
无创MASLD诊断与T2D缓解生物标志物
该数据集来自clinicaltrials.gov,聚焦代谢功能障碍相关脂肪性肝病(MASLD,旧称NAFLD)的无创诊断及2型糖尿病(T2DM)缓解相关生物标志物。覆盖MASLD、T2DM、NAFLD与肥胖人群,涉及中东地区高流行率背景及减重手术患者数据。可用于探索替代肝活检的无创诊断方法、评估MASLD进展风险,以及分析T2DM缓解与肝脏指标之间的关联,为临床预测模型开发提供数据基础(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:MASLD、T2DM(2型糖尿病)、非酒精性脂肪性肝病(NAFLD)、肥胖。代谢功能障碍相关脂肪性肝病(MASLD),以前称为非酒精性脂肪性肝病(NAFLD),正成为本世纪肥胖大流行背景下成人肝病最常见的原因。MASLD影响着全球超过四分之一的人口,患病率最高的是中东地区。最近在King Hamad University Hospital(KHUH)对减重手术患者进行的一项回顾性研究报告,术前MASLD患病率为82.3%。MASLD进展可能导致肝硬化,此后肝细胞发生不可逆损伤。目前诊断MASLD的金标准是肝活检,然而这种方法因其侵入性而存在若干局限性。这项观察性研究ai
【主题与分类】
主题标签:MASLD、T2DM (Type 2 Diabetes Mellitus)、Obesity。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07172997
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/NCT07172997
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:MASLD、T2DM(2型糖尿病)、非酒精性脂肪性肝病(NAFLD)、肥胖。代谢功能障碍相关脂肪性肝病(MASLD),以前称为非酒精性脂肪性肝病(NAFLD),随着本世纪肥胖的流行,正成为成人肝病最常见的原因。MASLD影响着全球超过四分之一的人口,患病率最高的地区是中东。最近在哈马德国王大学医院(KHUH)对减重手术患者进行的一项回顾性研究报告,术前MASLD的患病率为82.3%。MASLD进展可能导致肝硬化,随后肝细胞不可逆地受损。目前诊断MASLD的金标准是肝活检,然而,由于其侵入性,该方法存在若干局限性。这项观察性研究旨在利用分子分析工具深入研究MASLD,从而获得更多关于巴林人群减重手术患者疾病进展的信息。
我们研究的估计总样本量约为163名参与者,其中134名受试者预计为MASLD阳性病例。我们将纳入2025年1月至12月期间接受减重手术的患者。在患者同意接受手术的同时,将获取其参与研究的知情同意。外科医生将告知参与者,术前将进行放射学和生化检查,并在腹腔镜手术过程中进行楔形肝活检。我们将从入组患者的医疗记录中收集多项数据,以研究手术前、手术后6个月和12个月时的疾病进展情况:1. 人体测量指标,包括体重、身高、体质指数等。2. 身体成分数据,包括脂肪量、肌肉量等。3. 常规减重相关血液检查结果,包括肝酶、血小板等。4. 腹部超声检查报告。5. 剪切波弹性成像放射学评估
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。




