rT3与桥本甲状腺炎炎症
该数据集来自 clinicaltrials.gov,主题为 rT3 与桥本甲状腺炎炎症,分类属内分泌、营养和代谢疾病下的其他类

基本信息
资源简介
rT3与桥本甲状腺炎炎症
该数据集来自 clinicaltrials.gov,主题为 rT3 与桥本甲状腺炎炎症,分类属内分泌、营养和代谢疾病下的其他类。源站描述聚焦桥本甲状腺炎的疾病特征,包括甲状腺肿大伴淋巴细胞浸润、发病率约每 1000 人 0.3-1.5 例、女性与男性比例 7-10:1,并涉及 HLA、CTLA-4、PTPN22 等基因与环境因素的交互及调节性 T/B 淋巴细胞自耐受失衡。数据可用于甲状腺自身免疫相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:桥本甲状腺炎。桥本甲状腺炎(HT)的特征是甲状腺肿大并伴有淋巴细胞浸润。HT 的发病率估计为每 1000 人 0.3-1.5 例,女性/男性比例为 7-10:1。它与其他自身免疫性疾病有很强的关联。HT 的自身免疫表现依赖于环境因素与遗传背景之间的相互作用,如人类白细胞抗原(HLA)、T 淋巴细胞相关抗原 4(CTLA-4)、蛋白酪氨酸磷酸酶非受体 22 型(PTPN22)基因以及 X 染色体失活模式,导致由调节性 T 和 B 淋巴细胞维持的自身耐受机制失衡。此外,自身抗原、细胞因子及其受体(例如白细胞介素 2 受体 IL2R)、雌激素受体、黏附分子(CD14、CD40)的遗传多态性,启动子重
【主题与分类】
主题标签:Hashimoto 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/NCT07510750
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/NCT07510750
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:桥本甲状腺炎。桥本甲状腺炎(HT)的特征是甲状腺肿大并伴有淋巴细胞浸润。HT的发病率估计为每1000人0.3-1.5例,女性与男性的比例为7-10:1。它与其他自身免疫性疾病有很强的关联。HT的自身免疫表现依赖于环境因素与遗传背景之间的相互作用,如人类白细胞抗原(HLA)、T淋巴细胞相关抗原4(CTLA-4)、蛋白酪氨酸磷酸酶非受体22型(PTPN22)基因以及X染色体失活模式,导致由调节性T淋巴细胞和B淋巴细胞维持的自身耐受机制失衡。此外,自身抗原、细胞因子及其受体(如白细胞介素2受体IL2R)、雌激素受体、黏附分子(CD14、CD40)、硒蛋白S启动子区域以及凋亡相关基因产物的遗传多态性均与甲状腺自身免疫相关。遗传因素占桥本氏病发展风险的70-80%,而环境因素占20-30%。
HT的诊断基于临床症状、抗甲状腺抗体和组织学特征。甲状腺超声成像有助于鉴别诊断,尤其是在甲状腺过氧化物酶抗体(TPOAb)阴性的HT患者中。HT的超声特征包括回声减低、不均匀、血供丰富以及存在小囊肿。桥本氏病可分为表现为甲状腺功能亢进、甲状腺功能正常和甲状腺功能减退的阶段。在诊断中,甲状腺功能亢进、甲状腺功能正常和甲状腺功能减退是根据促甲状腺激素(TSH)、游离T4(sT4)和游离T3(sT3)的测定来确定的,这些是所使用的生化参数。桥本甲状腺炎是一种影响甲状腺的炎症性疾病,患者根据疾病持续时间出现临床甲状腺功能障碍。HT导致甲状腺萎缩
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。




