胆道闭锁Kasai术前类固醇抗纤维化动物模型支撑数据
该数据集为胆道闭锁（BA）Kasai portoenterostomy（KPE）术前使用类固醇治疗研究的支撑数据，重点关注其抗纤维化效果
基本信息
资源简介
胆道闭锁Kasai术前类固醇抗纤维化动物模型支撑数据
Supporting data for “Animal models elucidate the anti-fibrotic effect of steroids on biliary atresia before Kasai portoenterostomy"
该数据集为胆道闭锁（BA）Kasai portoenterostomy（KPE）术前使用类固醇治疗研究的支撑数据，重点关注其抗纤维化效果。研究采用动物模型、类器官模型及单细胞分析，并结合免疫组化、肝脏生化指标检测等常规生物学实验方法，系统评估类固醇对BA发病中代谢重编程与巨噬细胞极化的双重作用。数据文件为sc RNA测序原始数据集，可用于探索术前干预改善BA预后的机制（来源 DOI 解析，Creative Commons Attribution Non Commercial 4.0 International 许可）。
【数据集背景】
源站首次发布：2025。
【数据内容】
源站描述（机器翻译，仅供参考）：胆道闭锁（BA）是一种罕见但严重的新生儿胆管病，其特征为肝内和肝外胆管进行性闭塞，并伴有肝纤维化。迄今为止，尚缺乏评估术前治疗以改善预后的研究。本论文旨在探讨在Kasai portoenterostomy（KPE）之前使用类固醇治疗BA的疗效，尤其关注抗纤维化效果。这是首个系统评估类固醇在BA发病机制中对代谢重编程和巨噬细胞极化双重作用的研究。主要实验方法涉及动物模型、类器官模型和单细胞分析，以及其他常见生物学实验方法，如免疫组化和肝脏生化指标检测。数据文件为sc RNA测序原始数据集。
【主题与分类】
主题标签：Paediatrics not elsewhere classified。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://datahub.hku.hk/articles/dataset/Supporting_data_for_Animal_models_elucidate_the_anti-fibrotic_effect_of_steroids_on_biliary_atresia_before_Kasai_portoenterostomy_/29986516/1
使用许可：Creative Commons Attribution Non Commercial 4.0 International。
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://doi.org/10.25442/hku.29986516.v1
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
胆道闭锁（BA）是一种罕见但严重的新生儿胆管病，其特征为肝内和肝外胆管进行性闭塞，并伴有肝纤维化。迄今为止，尚缺乏评估术前治疗以改善预后的研究。本论文旨在探讨在Kasai肝门空肠吻合术（KPE）前使用类固醇治疗BA的疗效，尤其关注其抗纤维化作用。这是首个系统评估类固醇在BA发病机制中对代谢重编程和巨噬细胞极化双重作用的研究。所采用的主要实验方法包括动物模型、类器官模型和单细胞分析，以及其他常见的生物学实验方法，如免疫组织化学和肝脏生化指标检测。数据文件为sc RNA测序原始数据集。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
