慢性儿茶酚胺过量产生对棕色脂肪组织的影响
该数据集来自 clinicaltrials.gov，围绕嗜铬细胞瘤与肾上腺偶发瘤两类情况，研究慢性儿茶酚胺过量产生对棕色脂肪组织的影响，并评估棕色脂肪对能量消耗以及脂质和葡萄糖代谢的作用
基本信息
资源简介
慢性儿茶酚胺过量产生对棕色脂肪组织的影响
该数据集来自 clinicaltrials.gov，英文名称为 Effect of Chronic Catecholamine Overproduction on Brown Adipose Tissue，本站归类于内分泌、营养和代谢疾病下的其他类别。数据集围绕嗜铬细胞瘤与肾上腺偶发瘤两类情况展开，核心关注点是慢性儿茶酚胺过量产生对棕色脂肪组织的影响，同时评估棕色脂肪对能量消耗以及脂质和葡萄糖代谢的作用。主题标签包括 Pheochromocytoma 和 Adrenal Incidentaloma。整体来看，该数据集属于临床研究注册信息，适用于内分泌代谢、肾上腺疾病及能量代谢相关领域的研究人员参考使用，帮助了解儿茶酚胺过量与棕色脂肪功能之间的关联性研究设计。
【数据集背景】
该数据集的研究背景涉及两类肾上腺相关情况：嗜铬细胞瘤和肾上腺偶发瘤。嗜铬细胞瘤通常与儿茶酚胺过量产生相关，而肾上腺偶发瘤则是在影像检查中偶然发现的肾上腺病变。数据集旨在探究慢性儿茶酚胺过量产生对棕色脂肪组织的影响，并进一步评估棕色脂肪对能量消耗以及脂质和葡萄糖代谢的作用。这一背景将肾上腺疾病与代谢调控联系起来，属于内分泌、营养和代谢疾病领域的交叉研究方向。
【数据内容】
数据集的主题标签为 Pheochromocytoma 和 Adrenal Incidentaloma，源站描述中列出的条件同样为 Pheochromocytoma 和 Adrenal Incidentaloma。研究目标包括两个方面：一是研究儿茶酚胺过量对棕色脂肪的影响；二是评估棕色脂肪对能量消耗以及脂质和葡萄糖代谢的作用。除上述信息外，源站未提供更具体的数据字段、变量列表或样本量等细节。
【采集与来源】
该数据集来源于 clinicaltrials.gov，属于临床研究注册信息。源站描述中仅列出研究条件与目的，未提供采集时间、采集地点、采集方式或数据规模等具体信息。因此，关于采集流程与来源细节，源站未提供。
【适用场景】
该数据集适用于内分泌代谢领域的研究人员、临床医生或相关从业者，用于了解嗜铬细胞瘤与肾上腺偶发瘤背景下儿茶酚胺过量对棕色脂肪组织影响的研究设计，以及棕色脂肪在能量消耗、脂质和葡萄糖代谢中作用的研究方向。也可作为肾上腺疾病与代谢调控交叉研究的参考信息。
【使用方法】
源站未提供具体的使用方法、数据访问方式或分析指南。使用者需依据 clinicaltrials.gov 的通用规则自行查阅相关注册信息。
【质量与限制】
源站未提供关于数据质量、完整性、偏倚控制或验证情况的具体说明。该数据集为临床研究注册信息，其内容以研究条件与目的为主，不包含个体层面的数据或统计结果。因此，在质量评估与局限性分析方面，源站未提供。
【引用与许可】
源站未提供引用格式、许可条款或使用限制等信息。使用者应参考 clinicaltrials.gov 的相关政策进行引用与合规使用。
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/NCT01949714
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：嗜铬细胞瘤、肾上腺偶发瘤。* 探究儿茶酚胺过量对棕色脂肪的影响。* 评估棕色脂肪对能量消耗及脂质和葡萄糖代谢的影响。
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。
