NeoPlex4检测与NeoPlex系统的临床评估
该数据集来自clinicaltrials.gov,涉及先天性肾上腺增生、先天性甲状腺功能减退和囊性纤维化的新生儿筛查。研究评估研究性NeoPlex4检测,通过NeoPlex系统测量干血斑中的甲状腺素(T4)、促甲状腺激素(hTSH)、17-α-羟孕酮(17-OHP)和免疫反应性胰蛋白酶原(IRT)水

基本信息
资源简介
NeoPlex4检测与NeoPlex系统的临床评估
该数据集来自clinicaltrials.gov,涉及先天性肾上腺增生、先天性甲状腺功能减退和囊性纤维化的新生儿筛查。研究评估研究性NeoPlex4检测,通过NeoPlex系统测量干血斑中的甲状腺素(T4)、促甲状腺激素(hTSH)、17-α-羟孕酮(17-OHP)和免疫反应性胰蛋白酶原(IRT)水平。数据包括前瞻性收集的新生儿干血斑和预先选定的已存档冷冻干血斑,这些样本已证实对17-OHP、IRT、T4或TSH呈阳性。该多中心方法一致性研究可用于评估新生儿筛查检测的性能与一致性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:先天性肾上腺增生、先天性甲状腺功能减退、囊性纤维化。拟议的(研究性)NeoPlex4检测测量从新生儿采集的干血斑(DBS)中的甲状腺素(T4)、促甲状腺激素(hTSH)、17-α-羟孕酮(17-OHP)和免疫反应性胰蛋白酶原(IRT)水平,以筛查先天性甲状腺功能减退(CH)、先天性肾上腺增生(CAH)和囊性纤维化(CF)。使用NeoPlex系统检测T4、TSH、17-OHP和IRT的xMAP® NeoPlex4™检测(NeoPlex4)的临床评估是一项多中心方法一致性研究,研究对象为前瞻性收集的新生儿干血斑与预先选定的已存档冷冻干血斑的组合,这些干血斑已被证明对17-OHP(CAH)、IRT(CF)以及T4或TSH(CH)呈阳性。该研究将在常规进行新生儿筛查的选定站点进行。
【主题与分类】
主题标签:Adrenal Hyperplasia, Congenital、Congenital Hypothyroidism、Cystic Fibrosis。本站分类:内分泌、营养和代谢疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01488721
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/NCT01488721
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:先天性肾上腺增生、先天性甲状腺功能减退症、囊性纤维化。拟议的(研究性)NeoPlex4检测法通过检测新生儿采集的干血斑(DBS)样本中的甲状腺素(T4)、促甲状腺激素(hTSH)、17-α-羟孕酮(17-OHP)和免疫反应性胰蛋白酶原(IRT)水平,以筛查先天性甲状腺功能减退症(CH)、先天性肾上腺增生(CAH)和囊性纤维化(CF)。xMAP® NeoPlex4™检测法(NeoPlex4)用于检测T4、TSH、17-OHP和IRT的临床评估——采用NeoPlex系统——是一项多中心方法一致性研究,研究对象为前瞻性收集的新生儿干血斑与预先选定的存档冷冻干血斑的组合,这些样本已证实为17-OHP(CAH)、IRT(CF)以及T4或TSH(CH)阳性。该研究将在美国选定的常规开展新生儿筛查检测的机构进行。
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。




