糖尿病肾病中的MRI生物标志物
该数据集来源于clinicaltrials.gov，主题为糖尿病肾病中的MRI生物标志物，属于内分泌、营养和代谢疾病下的糖尿病分类
基本信息
资源简介
糖尿病肾病中的MRI生物标志物
该数据集英文名为 MRI Biomarkers in Diabetic Kidney Disease，来源于 clinicaltrials.gov，主题聚焦于糖尿病肾病中的磁共振成像（MRI）生物标志物。糖尿病肾病是糖尿病最严重且最常见的并发症之一，临床上除血浆肌酐和微量白蛋白尿外，可供使用的临床前标志物十分有限，且这些标志物存在不完美和滞后的问题。该数据集所属分类为内分泌、营养和代谢疾病下的糖尿病，主题标签为 Diabetic Nephropathies。整体而言，该数据集围绕利用磁共振波谱（MRS）这一无创、无辐射的 MRI 技术，探索糖尿病肾病中潜在的互补生物标志物，为相关研究提供数据支撑。
【数据集背景】
糖尿病肾病是糖尿病最严重且最常见的并发症之一。目前，除血浆肌酐和微量白蛋白尿之外，可供使用的临床前标志物很少。这些标志物并不完美，部分晚期肾病患者并不会出现标志物升高，同时它们出现的时间也偏晚。因此，识别互补生物标志物存在尚未被满足的需求。磁共振波谱（MRS）是一种磁共振成像（MRI）技术，能够以非侵入、无辐射的方式研究人体组织的生理学和生物化学特征。该数据集正是在这一背景下，围绕糖尿病肾病中的 MRI 生物标志物而建立。
【数据内容】
该数据集的主题为糖尿病肾病中的 MRI 生物标志物，所属分类为内分泌、营养和代谢疾病下的糖尿病，主题标签为 Diabetic Nephropathies。数据集英文名称为 MRI Biomarkers in Diabetic Kidney Disease。关于数据集所包含的具体字段、变量、样本量、影像参数、波谱指标等详细内容，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。其源站描述指出，研究关注的条件为 Diabetic Nephropathies，并说明了糖尿病肾病的临床背景以及磁共振波谱（MRS）作为 MRI 技术在非侵入、无辐射研究人体组织生理与生化方面的作用。关于具体的采集机构、采集时间、采集地点、采集流程、纳入与排除标准等，源站未提供。
【适用场景】
基于其主题与来源，该数据集适用于糖尿病肾病相关研究，尤其是围绕 MRI 生物标志物、磁共振波谱（MRS）在糖尿病肾病中应用的研究场景。它可用于探索除血浆肌酐和微量白蛋白尿之外的互补生物标志物。关于更具体的适用场景、分析任务或应用方向，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、访问路径、预处理步骤、分析流程或配套工具等。
【质量与限制】
该数据集来源于 clinicaltrials.gov，主题标签为 Diabetic Nephropathies。关于数据质量、完整性、准确性、偏倚、样本代表性、时间跨度、版本更新等具体质量与限制信息，源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT04570735
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：糖尿病肾病。糖尿病肾病是糖尿病最严重和最常见的并发症之一。除血浆肌酐和微量白蛋白尿外，可供使用的临床前标志物很少。这些标志物并不完美（一些晚期肾病患者标志物并未升高）且出现较晚。因此，发现互补生物标志物的需求尚未得到满足。磁共振波谱（MRS）是一种磁共振成像（MRI）技术，能够以非侵入性和非辐射的方式研究人体组织的生理学和生物化学。
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。
