脂肪源性再生细胞治疗严重下肢缺血的有效性与安全性
该数据集来自 clinicaltrials.gov，主题为脂肪源性再生细胞（ADRC）治疗严重下肢缺血的有效性与安全性，归类于内分泌、营养和代谢疾病下的糖尿病方向
基本信息
资源简介
脂肪源性再生细胞治疗严重下肢缺血的有效性与安全性
该数据集来自 clinicaltrials.gov，主题为脂肪源性再生细胞（ADRC）治疗严重下肢缺血的有效性与安全性，归类于内分泌、营养和代谢疾病下的糖尿病方向。覆盖的病症包括严重下肢缺血、闭塞性动脉硬化、外周动脉疾病、血栓闭塞性脉管炎和糖尿病性血管病。数据涉及脂肪组织获取与 ADRC 分离流程，包括局部麻醉下抽脂、灌注含利多卡因和肾上腺素的林格液、使用 3 mm 钝头套管抽吸约 150-200 cc 脂肪组织，以及基于酶消化的专利待批技术进行分离。可用于相关临床研究与治疗评估（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：严重下肢缺血、闭塞性动脉硬化、外周动脉疾病、血栓闭塞性脉管炎、糖尿病性血管病。脂肪组织获取：受试者将在局部麻醉下接受抽脂。在此过程中，将含麻醉剂利多卡因和血管收缩剂肾上腺素的林格液注入脂肪腔，以尽量减少失血和外周血细胞对组织的污染。15 分钟后，通过小切口（0.5 cm）将一根中空钝头 3 mm 套管引入皮下空间。套管连接注射器，在轻柔抽吸下穿过脂肪腔，机械性破坏脂肪组织。抽吸体积约为 150-200 cc。操作时间约 30 分钟。ADRC 分离：采集的脂肪组织将根据基于酶消化的专利待批技术进行处理。
【主题与分类】
主题标签：Critical Limb Ischemia、Arteriosclerosis Obliterans、Peripheral Arterial Disease、Thromboangiitis Obliterans、Diabetic Angiopathies。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/NCT02864654
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/NCT02864654
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
疾病：严重肢体缺血、闭塞性动脉硬化、外周动脉疾病、血栓闭塞性脉管炎、糖尿病血管病变。脂肪组织获取：受试者将在局部麻醉下接受吸脂术。在此过程中，将含有麻醉剂利多卡因和血管收缩剂肾上腺素的林格氏液注入脂肪层，以减少出血和外周血细胞对组织的污染。15分钟后，通过小切口（0.5厘米）将一根中空钝头3毫米套管针插入皮下空间。套管针连接注射器，在轻柔抽吸下穿过脂肪层，机械性地破坏脂肪组织。抽吸量约为150-200毫升。手术时间约为30分钟。ADRC分离：收集的脂肪组织将根据基于酶消化、洗涤和细胞沉淀浓缩于10.5毫升生理盐水中的待批专利技术进行处理。获得的ADRC分为两份。第一份（0.5毫升）用于计数、活力和无菌评估。第二份（10毫升）置于无菌注射器中用于注射。
自体ADRC给药：将10 mL自体ADRC悬液在靠近肌肉损伤部位进行肌肉注射。为浸润受损肌肉，将进行10至20次注射（每次0.5至1.0 mL）。
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。
