低强度激光治疗自身免疫性甲状腺炎数据集
该数据集来自 clinicaltrials.gov,围绕低强度激光治疗(LLLT)用于自身免疫性甲状腺炎(慢性自身免疫性甲状腺炎,TCA)的研究

基本信息
资源简介
低强度激光治疗自身免疫性甲状腺炎数据集
该数据集来自 clinicaltrials.gov,围绕低强度激光治疗(LLLT)用于自身免疫性甲状腺炎(慢性自身免疫性甲状腺炎,TCA)的研究。源站描述了一项2006年3月至2009年3月开展的随机、安慰剂对照试验(NCT01129492),纳入43例经超声检查无结节的TCA所致甲状腺功能减退患者,其中23例接受LLLT、20例接受安慰剂。LLLT在改善甲状腺超声回声、体积及血管化模式方面有效,并改善甲状腺功能、降低血清甲状腺过氧化物酶抗体(TPOAb)。数据可用于甲状腺炎治疗相关研究参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Autoimmune Thyroiditis。引言:慢性自身免疫性甲状腺炎(TCA)是获得性甲状腺功能减退的主要原因,需要持续使用左甲状腺素(LT4)治疗。一项随机、安慰剂对照试验纳入43例由TCA引起甲状腺功能减退且超声检查(US)无结节的患者,于2006年3月至2009年3月开展(NCT01129492)。其中23例接受低强度激光治疗(LLLT),20例接受安慰剂。LLLT在改善超声下甲状腺回声、体积及血管化模式方面有效。甲状腺功能也有改善,血清甲状腺过氧化物酶抗体(TPOAb)降低。尽管结果显示出前景,且LLLT在许多研究模型中已显示安全,但LLLT对甲状腺实质的长期作用尚不清楚。因此,本研究的目的是
【主题与分类】
主题标签:Autoimmune Thyroiditis。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/NCT02240563
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/NCT02240563
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:自身免疫性甲状腺炎。引言:慢性自身免疫性甲状腺炎(TCA)是获得性甲状腺功能减退症的主要原因,需要持续使用左甲状腺素(LT4)治疗。一项随机、安慰剂对照试验纳入了43例由TCA引起甲状腺功能减退且超声检查(US)未发现结节的患者,试验于2006年3月至2009年3月进行(NCT01129492)。其中,23例接受低强度激光治疗(LLLT),20例接受安慰剂。LLLT可有效改善超声下甲状腺的回声性、体积及血管化模式。甲状腺功能亦有改善,血清甲状腺过氧化物酶抗体(TPOAb)降低。尽管结果显示出良好前景,且LLLT在多个研究模型中已证明是安全的,但LLLT对甲状腺实质的长期作用尚不清楚。因此,本研究旨在临床试验干预六年后进行生化检测和甲状腺超声,以评估左甲状腺素剂量、血清自身抗体水平,尤其是腺体中结节的频率和性质,然后比较LLLT组与安慰剂组之间的这些变量。
方法:本研究将纳入六年前参与试验的受试者。将评估这些患者的左甲状腺素剂量及血清促甲状腺激素(TSH)、T3、T4、游离T4、TPOAb和抗甲状腺球蛋白抗体(TgAb)水平。甲状腺超声将评估腺体质地(特别注意识别结节)、回声性、体积以及血供情况。将探查超声结节特征,如尺寸、形状、边缘、包膜外侵犯、回声性、质地、低回声晕、钙化、内部内容物、血管化模式及阻力指数。还将检查区域淋巴结及其他特征。超声检查将仅由一名检查者完成,该检查者对先前实施的干预(LILT或安慰剂)设盲。相同的检查
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。




