评估NeoThelium FT治疗糖尿病足溃疡的疗效
该数据集来自clinicaltrials.gov,聚焦糖尿病足溃疡(Diabetic Foot Ulcer)的临床研究,属于内分泌、营养和代谢疾病/糖尿病分类

基本信息
资源简介
评估NeoThelium FT治疗糖尿病足溃疡的疗效
该数据集来自clinicaltrials.gov,聚焦糖尿病足溃疡(Diabetic Foot Ulcer)的临床研究,属于内分泌、营养和代谢疾病/糖尿病分类。研究在多个医疗中心开展,采用开放标签设计,受试者随机分配至单独标准治疗(SOC)组或SOC联合NeoThelium FT组,并包含交叉设计:SOC组受试者在第13次治疗访视(随机化后约84天)未实现完全伤口闭合且仍符合入排标准时,可交叉至IP组接受每周NeoThelium FT治疗,最多12次治疗访视,并继续按原计划随访。数据可用于评估NeoThelium FT治疗糖尿病足溃疡的疗效(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:糖尿病足溃疡。本研究将在多个医疗中心开展,研究者和受试者均知晓所采用的治疗(开放标签)。同意参与并在筛选期间符合研究要求的患者将被随机分配至两组之一:单独标准治疗(SOC),或SOC联合NeoThelium FT。该研究包含针对SOC组受试者的交叉部分。在第13次治疗访视(随机化后约84天),未实现完全伤口闭合且仍符合入组/排除标准的SOC组受试者,有资格交叉至IP组(SOC联合NeoThelium FT)。交叉受试者将开始IP组治疗,每周应用NeoThelium FT,最多12次治疗访视。受试者将按原计划继续随访。由于这是一项post-m
【主题与分类】
主题标签:Diabetic Foot Ulcer。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/NCT06938685
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/NCT06938685
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。本研究将在多个医疗中心开展,研究人员和受试者均将知晓所采用的治疗方案(开放标签)。同意参与并在筛选期符合研究要求的患者将被随机分配至两组之一:单独接受标准治疗(SOC),或接受SOC联合NeoThelium FT治疗。本研究包含针对SOC组受试者的交叉设计部分。在第13次治疗访视时(随机化后约84天),未实现完全伤口愈合且仍符合入选/排除标准的SOC组受试者,有资格交叉进入IP组(SOC联合NeoThelium FT)。交叉受试者将开始IP组治疗,每周施用NeoThelium FT,最多进行12次治疗访视。受试者将按原计划继续随访。由于这是一项上市后研究,它将收集有关治疗疗效的信息,同时也为保险报销决策提供支持。所有受试者在被随机分配至治疗组之前,都将完成为期两周的筛选期。
治疗组将包括NeoThelium FT联合标准治疗,对比单独标准治疗。主要终点是12周内实现完全伤口闭合的目标溃疡百分比。次要终点包括伤口面积缩小率、闭合时间、随访闭合情况以及疼痛评估。
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。




