FibroTouch筛查2型糖尿病合并NAFLD患者晚期肝纤维化
该数据集来自clinicaltrials.gov，为多中心、前瞻性、观察性队列研究，计划纳入10000例2型糖尿病患者，使用FibroTouch筛查NAFLD、NASH肝硬化及晚期肝纤维化
基本信息
资源简介
FibroTouch筛查2型糖尿病合并NAFLD患者晚期肝纤维化
该数据集来自clinicaltrials.gov，为多中心、前瞻性、观察性队列研究，计划纳入10000例2型糖尿病患者，使用FibroTouch筛查NAFLD、NASH肝硬化及晚期肝纤维化。在临床实践中接受肝活检的患者中，比较FibroTouch结果与肝活检病理结果，评估FibroTouch在糖尿病患者中诊断NAFLD、NASH肝硬化及晚期肝纤维化的临床价值。研究将计算2型糖尿病患者中NAFLD、NASH肝硬化及晚期肝纤维化的发病率并分析危险因素，对所有患者随访5年（无肝硬化者每年一次，肝硬化者每年两次）以观察终点事件（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：2型糖尿病、非酒精性脂肪性肝病（NAFLD）。本研究是一项多中心、前瞻性、观察性队列研究。我们计划纳入10,000名2型糖尿病患者，并使用FibroTouch筛查这些患者的NAFLD、NASH肝硬化和晚期纤维化。在临床实践中经历过肝活检的患者组中，我们比较他们的FibroTouch结果和肝活检病理结果，以评估FibroTouch在诊断糖尿病患者NAFLD、NASH肝硬化和晚期纤维化中的临床价值。我们将计算2型糖尿病患者中NAFLD、NASH肝硬化和晚期纤维化的发病率并分析危险因素。所有患者将随访5年（无肝硬化患者每年一次，肝硬化患者每年两次），以观察终点事件。本研究将探索si
【主题与分类】
主题标签：Type 2 Diabetes Mellitus、Nonalcoholic Fatty Liver Disease (NAFLD)。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03525769
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/NCT03525769
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
条件：2型糖尿病、非酒精性脂肪性肝病（NAFLD）。本研究为多中心、前瞻性、观察性队列研究。我们计划纳入10，000例2型糖尿病患者，并使用FibroTouch对这些患者进行NAFLD、NASH肝硬化及进展性肝纤维化的筛查。在临床实践中接受肝活检的患者组中，我们比较其FibroTouch结果与肝活检病理结果，以评估FibroTouch在诊断糖尿病患者NAFLD、NASH肝硬化及进展性肝纤维化中的临床价值。我们将计算2型糖尿病患者中NAFLD、NASH肝硬化及进展性肝纤维化的发病率并分析其危险因素。所有患者将随访5年（无肝硬化患者每年一次，肝硬化患者每年两次），以观察终点事件。本研究将探讨FibroTouch结果及其他临床指标在评估糖尿病合并NAFLD患者长期预后中的意义。
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。
