注射纳米脂肪联合或不联合富血小板血浆治疗女性型脱发
该数据集来自 clinicaltrials.gov,记录了一项针对女性型脱发的随机对照临床试验。研究比较注射纳米脂肪联合或不联合富血小板血浆的疗效,包含伦理批准与知情同意信息

基本信息
资源简介
注射纳米脂肪联合或不联合富血小板血浆治疗女性型脱发
该数据集来自 clinicaltrials.gov,记录了一项针对女性型脱发的随机对照临床试验。研究对象为 40 名 18-50 岁、Sinclair 3-4 级的中重度女性型脱发患者,于 2022 年 12 月至 2023 年 7 月在 Ain Shams University Hospitals 皮肤科门诊招募。研究比较注射纳米脂肪联合或不联合富血小板血浆的疗效,包含伦理批准与知情同意信息。数据可用于脱发治疗相关研究及临床试验方法学参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:女性型脱发。患者与方法:本随机对照临床试验于 2022 年 12 月至 2023 年 7 月在 Ain Shams University Hospitals 皮肤科、性病科和男科门诊选取 40 名表现为模式性脱发的女性患者进行。在获得 Ain Shams 大学医学院研究伦理委员会批准(FMASU MS 167/2023)后,每位患者在获知操作步骤及潜在副作用或并发症信息后签署书面知情同意书。研究人群包括 18-50 岁、Sinclair 3-4 级的中重度 FPHL 女性。排除标准包括年龄 < 18 岁和 >50 岁、慢性休止期脱发、前 6 个月内使用局部或全身 FPHL 治疗、感染位于
【主题与分类】
主题标签:Female Pattern Hair Loss。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/NCT07096323
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/NCT07096323
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:女性型脱发。患者与方法 本随机对照临床试验于2022年12月至2023年7月期间在Ain Shams大学医院皮肤科、性病科和男科门诊开展,选取40例表现为模式性脱发的女性患者。在研究获得Ain Shams大学医学院研究伦理委员会批准(FMASU MS 167/2023)后,在向每位患者说明操作步骤及可能的不良反应或并发症后,获取了书面知情同意。研究人群包括18-50岁、患有中度至重度FPHL(女性型脱发)且根据Sinclair分级为3-4级的女性。排除标准包括年龄<18岁和>50岁、慢性休止期脱发、过去6个月内使用过局部或全身性FPHL治疗、治疗部位或其他部位感染、糖尿病、出血性疾病、抗凝治疗、妊娠或哺乳期、个人或家族恶性肿瘤史、免疫抑制或利多卡因过敏。
FPHL的临床诊断依据Rakowska等人2009年提出的FPHL毛发镜诊断标准予以确认。FPHL的诊断需满足两项主要标准,或一项主要标准加两项次要标准。在初诊及后续每次随访时,于眉间中点正上方10 cm处进行数码摄影记录。患者在基线时接受临床和毛发镜评估,随后在治疗后12周和24周进行评价。采用简单随机化(计算机生成)将患者分为两组(每组20例)。A组:制备纳米脂肪并皮内注射至额顶头皮。B组:制备纳米脂肪后与PRP混合,按A组方式注射。两组患者均仅进行一次治疗。纳米脂肪制备:从下腹部或大腿外侧上部采集脂肪。使用钝头浸润套管(Lue
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。




