DFC 004 活动性糖尿病足溃疡生物标志物
本数据集来自 clinicaltrials.gov,聚焦活动性糖尿病足溃疡(DFU)的生物标志物研究。该平台研究旨在高效测试多种生物标志物,以识别更可能愈合或不愈合的糖尿病足溃疡,最终有望应用于床旁,推动个性化管理决策,并为伤口愈合干预的临床试验提供参考

基本信息
资源简介
DFC 004 活动性糖尿病足溃疡生物标志物
本数据集来自 clinicaltrials.gov,聚焦活动性糖尿病足溃疡(DFU)的生物标志物研究。该平台研究旨在高效测试多种生物标志物,以识别更可能愈合或不愈合的糖尿病足溃疡,最终有望应用于床旁,推动个性化管理决策,并为伤口愈合干预的临床试验提供参考。研究设计灵活,适用于与开放性(活动性)DFU 患者相关的广泛研究,将在 DFC 参与的多家医疗系统的糖尿病足与伤口护理门诊招募患者,涵盖社区与三级医院场景(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:糖尿病足溃疡、糖尿病足、糖尿病。本研究是一项平台研究,旨在高效测试多种生物标志物,以识别更可能愈合或不愈合的糖尿病足溃疡(DFU),最终有望应用于床旁,推动个性化管理决策,并为伤口愈合干预的临床试验提供更好的参考。该平台研究设计灵活,适用于与开放性(活动性)DFU 患者相关的广泛研究。该平台研究将招募在 DFC 参与的多家医疗系统(包括社区环境和三级医院)的糖尿病足与伤口护理门诊中就诊的 DFU 患者。该平台研究将包括适用于整个 DFU 谱系的常见操作(例如,uni
【主题与分类】
主题标签:Diabetic Foot Ulcer、Diabetic Foot、Diabetes。本站分类:内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06104969
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/NCT06104969
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:糖尿病足溃疡、糖尿病足、糖尿病。本研究是一项平台研究,旨在高效检测多种生物标志物,以识别具有较高愈合潜力与不愈合潜力的糖尿病足溃疡(DFUs),最终可应用于即时检测,以推动个性化管理决策,并为伤口愈合干预的临床试验提供更好的信息。该平台研究设计灵活,适用于与开放性(活动性)DFUs患者相关的广泛研究。该平台研究将纳入在DFC参与机构中,包括社区机构和三级医院在内的多种医疗系统的糖尿病足和伤口护理门诊中就诊的DFUs患者。该平台研究将包括适用于整个DFUs谱系的常见程序(例如,统一的生物样本采集、临床和常规护理特征、健康的社会决定因素以及患者报告结局)。
将从所有参与者处采集血液、伤口液(采用多种方法)、伤口敷料及清创组织(若在参与者临床伤口护理期间进行清创),以支持生物样本库用于同期及未来研究。若参与者同意提供尿液样本,则将采集尿液,并鼓励提供。需要额外数据或平台研究未要求的生物标本的生物标志物特异性研究,将根据需要作为附录纳入。使用平台研究生物标本和研究数据的其他生物标志物特异性研究将遵循DFC辅助研究流程。已签署知情同意书并纳入主方案的合格参与者,可入选与主方案相关的多个生物标志物子研究,无需额外签署知情同意书。本平台研究为非干预性研究;不给予任何研究规定的药物或治疗。合格且已签署知情同意书的参与者将接受管理
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。




