利用自旋锁定MRI同时定量肝脏脂肪含量、脂肪酸组成与纤维化以评估脂肪性肝炎
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)的无创评估

基本信息
资源简介
利用自旋锁定MRI同时定量肝脏脂肪含量、脂肪酸组成与纤维化以评估脂肪性肝炎
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)的无创评估。数据涉及利用自旋锁定MRI同时定量肝脏脂肪含量、脂肪酸组成与纤维化,以替代有创肝活检。源站描述指出,脂肪含量、纤维化和炎症是评估NASH的三个重要组成部分,现有无创方法仍有明显局限,而脂肪酸组成定量虽可用于评估代谢紊乱和炎症状态,却无法评估纤维化。该数据可用于探索NASH无创诊断与多参数定量分析(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)。非酒精性脂肪性肝病是全球范围内的一个主要健康问题。它包括单纯性脂肪变和NASH,后者伴有肝脏炎症,可伴或不伴纤维化。脂肪含量、纤维化和炎症是评估NASH的三个重要组成部分。肝活检是当前诊断NASH的金标准。然而,肝活检是有创的。现有的无创方法在评估NASH方面仍存在显著局限。据报道,脂肪酸组成的定量可用于评估代谢紊乱和炎症状态。然而,该测量无法用于评估纤维化。肝纤维化的特征是肝脏中富含胶原的结缔组织过度沉积,其可通过大分子蛋白
【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/NCT05384652
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/NCT05384652
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:非酒精性脂肪性肝病(NAFLD)、非酒精性脂肪性肝炎(NASH)。非酒精性脂肪性肝病是全球主要的健康问题。它包括单纯性脂肪变性和NASH,后者伴有肝脏炎症,伴或不伴纤维化。脂肪含量、纤维化和炎症是评估NASH的三个重要组成部分。肝活检是目前诊断NASH的金标准。然而,肝活检具有侵入性。现有的非侵入性方法在评估NASH方面仍存在显著局限性。据报道,脂肪酸组成的定量分析可用于评估代谢紊乱和炎症状态。然而,该测量方法不能用于评估纤维化。肝纤维化的特征是肝脏中富含胶原的结缔组织过度沉积,可通过大分子质子分数(MPF)进行定量,MPF是一种反映组织大分子水平的MRI参数。尽管MPF具有直接定量纤维化组织的潜力,但炎症对MPF测量的影响尚未得到充分研究。
总之,使用非侵入性成像方法评估NASH仍面临挑战。基于我们先前关于自旋锁定MPF成像(MPF-SL)和自旋锁定MRI中基于化学位移编码的水脂成像的研究,研究人员将开发一种快速采集技术,在单次屏气不足14秒内收集数据,以同时量化肝脏脂肪含量、脂肪酸组成和纤维化。我们的方法不需要额外硬件,也不需要注射造影剂。研究人员将在志愿者身上评估所提出方法的重复性和再现性。为了评估其临床价值,研究人员将在本研究中招募120名受试者(60名单纯性脂肪变性患者和60名NASH患者)。研究人员将使用组织学分析作为金标准,并评估我们提出的方法检测NASH的诊断价值。该项目将提供一种非侵入性诊断技术
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。




