食管动力前瞻性注册研究
该数据集来自clinicaltrials.gov,为食管动力前瞻性注册研究,覆盖食管疾病、贲门失弛缓症、嗜酸性食管炎、动力障碍及GERD等病种

基本信息
资源简介
食管动力前瞻性注册研究
该数据集来自clinicaltrials.gov,为食管动力前瞻性注册研究,覆盖食管疾病、贲门失弛缓症、嗜酸性食管炎、动力障碍及GERD等病种。数据涉及上消化道症状患者的消化生理病理评估,包括高分辨率测压、24小时食管pH-阻抗监测及功能性管腔成像探针检查,用于对反流或梗阻性食管胃疾病进行表型分型,可支持食管动力障碍与胃食管反流病的分类、表型识别及相关临床研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:食管疾病、贲门失弛缓症、嗜酸性食管炎、动力障碍、GERD。消化生理病理学是胃肠病学的一个分支,旨在研究有上消化道症状(主要为胃食管症状)的患者,这些症状可能提示存在胃食管反流病(GERD)/Barrett食管(BE)或梗阻性食管动力障碍(贲门失弛缓症最为相关),但也包括其他原发性动力障碍,如食管胃连接部流出道梗阻(EGJOO)、高收缩性食管(HE)、远端食管痉挛(DES)及其他次要障碍。生理病理学检测包括高分辨率测压(HRM)、24小时食管pH-阻抗检测、功能性管腔成像探针(FLIP)评估。所有这些检测旨在对与反流或梗阻相关的食管胃疾病进行清晰的表型分型。
【主题与分类】
主题标签:Esophageal Diseases、Achalasia、Eosinophilic Esophagitis、Motility Disorder、GERD。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07506746
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/NCT07506746
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
病症:食管疾病、贲门失弛缓症、嗜酸性食管炎、动力障碍、胃食管反流病。消化生理病理学是胃肠病学的一个分支,旨在研究具有上消化道症状(主要是胃食管症状)的患者,这些症状可能提示存在胃食管反流病(GERD)/巴雷特食管(BE)或梗阻性食管动力障碍(其中贲门失弛缓症最为重要),但也包括其他原发性动力障碍,如食管胃交界处流出道梗阻(EGJOO)、高收缩性食管(HE)、远端食管痉挛(DES)及其他次要障碍。生理病理学检测包括高分辨率测压(HRM)、24小时食管pH-阻抗监测、功能性管腔成像探头(FLIP)评估。所有这些检测旨在对与反流或梗阻性食管症状相关的食管胃疾病进行明确的表型分析,无论是初治患者,还是在前肠手术后(尤其是抗反流手术、贲门失弛缓症/原发性动力障碍治疗后)。
本研究的主要目标是建立一个前瞻性/回顾性登记库,纳入所有年龄大于18岁、转诊至San Raffaele医院消化生理病理科的患者,以登记这些患者的临床、内镜及影像学数据,并将其与生理病理学结果进行整合,从而为疾病管理和治疗流程的制定提供依据,同时也有助于对这些患者进行长期随访。主要终点是将生理学数据与内镜、影像学及临床数据进行整合,并分析其间的关联/相关性。PREM是一个前瞻性登记库,回顾性招募患者,旨在[RT1.1]纳入所有转诊至San Raffaele医院消化生理病理科患者的全部临床、内镜及影像学资料,并将其与生理病理学数据进行整合,目的是提取数据用于前瞻性和回顾性分析,以改善患者管理和临床研究,并增强诊断和治疗流程。
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。




