评估BENEV外泌体再生复合物+对自我感知头发稀疏疗效与安全性的研究
该数据集来自clinicaltrials.gov,收录一项评估BENEV外泌体再生复合物+对自我感知头发稀疏疗效与安全性的研究

基本信息
资源简介
评估BENEV外泌体再生复合物+对自我感知头发稀疏疗效与安全性的研究
该数据集来自clinicaltrials.gov,收录一项评估BENEV外泌体再生复合物+对自我感知头发稀疏疗效与安全性的研究。源站描述指出外泌体是再生医学新疗法,可用于皮肤 rejuvenation、疤痕减少、色素沉着和头发生长,常与其他美容治疗联合使用。针对脱发,脂肪组织干细胞来源的冻干外泌体被探索作为逆转头发稀疏或脱落的新选择。数据集主题标签为Thinning Hair,本站分类为消化系统疾病/其他。数据可用于脱发相关研究或美容医学领域的分类任务(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:头发稀疏。外泌体代表有前景的新再生医学治疗,用于面部年轻化和增强其他美容程序。外泌体可有效治疗皮肤年轻化、疤痕减少、色素沉着和头发生长。这项新技术可单独使用,但常与其他较旧的现有美容治疗联合使用。具体而言,外泌体在脱发中的使用已有轶事观察,但治疗方案仍然难以捉摸且未被普遍接受。由于脱发具有多因素病因,且传统治疗有局限性,我们探索使用脂肪组织干细胞来源的冻干外泌体,作为逆转头发稀疏或脱落的选择库中的新补充。外泌体被定义为30~200 nm的内质网,被分泌用于细胞间通讯并发挥
【主题与分类】
主题标签:Thinning Hair。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06571799
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/NCT06571799
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:头发稀疏。外泌体代表了面部年轻化和增强其他美容程序的有前景的新再生医学治疗方法。外泌体可为皮肤年轻化、疤痕减少、色素沉着和毛发生长提供有效治疗。这项新技术可以单独使用,但通常与其他较早的现有美容治疗相结合。具体而言,外泌体在脱发中的使用已被个别观察,但治疗方案仍然难以捉摸且未被普遍接受。由于脱发具有多因素病因,且传统治疗存在局限性,我们探索使用脂肪组织干细胞衍生的冻干外泌体,作为逆转头发稀疏或脱落的选择库中的新补充。外泌体被定义为一种30~200纳米的内质网,被分泌用于细胞间通讯,并在影响细胞周围微环境方面发挥重要作用。ExoSCRT™是一项创新技术,可从干细胞中分离和精炼0.1%纯外泌体,并通过有效影响皮肤细胞来帮助虚拟化自然皮肤能量。
BENEV Exosome Regenerative Complex+® 是一种强效双效复合物,配方设计为可快速吸收进入皮肤和头皮,释放干细胞来源的冻干外泌体、强效生长因子、肽类、辅酶、矿物质、氨基酸和维生素的浓缩力量。本临床研究的目的是进一步评估 BENEV Exosome Regenerative Complex+® 在 SylFirmX® 射频微针头皮治疗后用于自我感知头发稀疏的疗效和安全性,受试者为三十(30)名18至65岁的健康男性和女性受试者,研究周期为四(4)个月。
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。




