脂肪肝疾病与肝硬化研究：临床、代谢与预后数据集
该数据集是一个包含18,012名受试者的临床医学队列数据集，主要模态为临床表格数据，涵盖人口统计学、人体测量学指标及随访生存信息。它系统研究了酒精性与非酒精性脂肪肝疾病患者的长期预后，通过匹配对照组分析疾病对代谢状况、心血管结局和死亡率的影响，旨在识别疾病进展的关键风险因素，为脂肪肝及肝硬化的预防、临床干预和预后评估提供重要的流行病学证据。
基本信息
资源简介
脂肪肝疾病与肝硬化研究：临床、代谢与预后数据集
【数据集背景】
本数据集源站标题为《Fatty Liver Disease & Liver Cirrhosis Study: Clinical, Metabolic, and Outcomes》。源站首次发布：2025-03-16。
【数据内容】
源站原始描述：Fatty Liver Disease, encompassing both Alcoholic Fatty Liver Disease (AFLD) and Non-Alcoholic Fatty Liver Disease (NAFLD), has emerged as a major global health concern. AFLD is directly linked to excessive alcohol consumption, whereas NAFLD is associated with metabolic disorders such as obesity, diabetes, and dyslipidemia. Both conditions can progress to liver fibrosis, cirrhosis, and hepatocellular carcinoma (HCC) if left unmanaged. Cirrhosis, the end-stage of chronic liver disease, contributes…
【数据结构与技术规格】
文件数 1 个，合计 839.06 KB。数据集 DOI：10.17632/f9kkbypsvd.2。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/f9kkbypsvd
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://data.mendeley.com/datasets/f9kkbypsvd
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
该数据集是一个针对脂肪肝疾病（包括酒精性脂肪肝病AFLD和非酒精性脂肪肝病NAFLD）及其进展为肝硬化的纵向队列研究数据集。数据集包含18,012名受试者，分为AFLD病例组和按年龄、性别、BMI匹配的对照组。数据内容包括人口统计学信息（年龄、性别）、人体测量学指标（体重、身高、BMI）、随访时间（futime）和生存状态（status）。数据通过临床评估、影像学诊断和实验室检查收集，采用前瞻性队列设计跟踪受试者的代谢状况、心血管结局和死亡率。该数据集主要用于研究脂肪肝疾病的长期健康结局、疾病进展风险因素、生存分析以及代谢并发症的流行病学研究，为临床预防、干预策略制定和预后评估提供数据支持。
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。
