评估MAR002治疗肢端肥大症的研究
该数据集来自clinicaltrials.gov，主题为评估MAR002治疗肢端肥大症的研究。研究设计为随机、多中心、双盲、安慰剂对照的剂量探索试验，计划入组约72名肢端肥大症参与者，分为未治疗、药物治疗控制良好和药物治疗控制不佳三组，按3:1比例随机分配至3种MAR002方案或安慰剂，治疗期10周
基本信息
资源简介
评估MAR002治疗肢端肥大症的研究
该数据集来自clinicaltrials.gov，主题为评估MAR002治疗肢端肥大症的研究。研究设计为随机、多中心、双盲、安慰剂对照的剂量探索试验，计划入组约72名肢端肥大症参与者，分为未治疗、药物治疗控制良好和药物治疗控制不佳三组，按3:1比例随机分配至3种MAR002方案或安慰剂，治疗期10周，每2周给药一次，随后进入随访期至第16周结束。数据可用于了解肢端肥大症的临床试验设计、药物剂量探索及内分泌疾病治疗研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：肢端肥大症。MAR-202是一项随机、多中心、双盲、安慰剂对照的剂量探索研究。筛选后，符合所有入选标准的参与者将按3:1的比例随机分配至3种活性MAR002方案或匹配安慰剂中的一种，进入为期10周的治疗期。在治疗期间，研究药物（MAR002或匹配安慰剂）将在每2周一次的研究访视中给药（Q2W；第1、15、29、43和57天），随后进入随访期，直至第16周的研究结束（EOS）访视。本研究旨在入组约72名肢端肥大症参与者，分为3组（第1组：“未治疗”；第2组：“药物治疗控制良好”；第3组：“药物治疗控制不佳”）。
【主题与分类】
主题标签：Acromegaly。本站分类：内分泌系统疾病/肢端肥大症。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07641179
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/NCT07641179
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
适应症：肢端肥大症。MAR-202是一项随机、多中心、双盲、安慰剂对照的剂量范围探索研究。筛选后，符合所有入选标准的受试者将按3：1的比例随机分配至3种MAR002活性治疗方案之一或匹配安慰剂组，进入为期10周的治疗期。治疗期内，研究药物（MAR002或匹配安慰剂）将在每2周一次的研究访视时给药（Q2W；第1、15、29、43和57天），随后进入随访期，直至第16周的研究结束（EOS）访视。本研究计划共入组约72例肢端肥大症受试者，分为3组（第1组：“未经治疗”；第2组：“药物治疗下控制良好”；第3组：“药物治疗下控制不佳”）。
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。
