REMS25：REMS技术在常伴骨密度降低疾病中的研究
覆盖疾病包括成骨不全、骨质疏松、性腺功能减退、肿瘤、肥胖与超重、热量性营养不良、皮质醇增多症及生长激素缺乏。REMS 是一种无辐射超声技术，在成人中已验证，儿科缺乏参考值
基本信息
资源简介
REMS25：REMS技术在常伴骨密度降低疾病中的研究
该数据集来自 clinicaltrials.gov，聚焦于使用 REMS（Radiofrequency Echographic Multi Spectrometry）技术评估 5-18 岁患有影响骨骼健康疾病的儿科患者的骨密度（BMD）。覆盖疾病包括成骨不全、骨质疏松、性腺功能减退、肿瘤、肥胖与超重、热量性营养不良、皮质醇增多症及生长激素缺乏。REMS 是一种无辐射超声技术，在成人中已验证，儿科缺乏参考值。研究为单中心、全国性、非营利性干预研究，持续约 12 个月。数据可用于探索 REMS 在儿科骨健康评估中的应用，并比较其与 DXA 的差异（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：成骨不全、骨质疏松、性腺功能减退、肿瘤、肥胖与超重、营养不良（热量）、皮质醇增多症、生长激素缺乏（GHD）。本研究评估 5-18 岁患有对骨骼健康产生负面影响的疾病的儿科患者的骨密度（BMD），使用 REMS（Radiofrequency Echographic Multi Spectrometry），一种无创且无辐射的超声技术。骨骼健康在儿童期至关重要，此时峰值骨量形成，而 BMD 降低与骨折风险增加相关。DXA 是当前的参考方法，但在儿童中存在局限性，包括辐射暴露和生长相关的测量问题。REMS 已在成人中得到验证，并在儿科中显示出前景，尽管缺乏参考值。该研究是一项单中心、全国性、非营利性干预研究，持续约 12 个月。Par
【主题与分类】
主题标签：Osteogenesis Imperfecta、Osteoporosis、Hypogonadisms、Neoplasia、Obesity & Overweight、Malnutrition (Calorie)、Hypercortisolism、Growth Hormone Deficiency (GHD)、Osteopenia。本站分类：内分泌、营养和代谢疾病/肥胖症。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07412782
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/NCT07412782
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：成骨不全、骨质疏松、性腺功能减退、肿瘤、肥胖与超重、营养不良（热量）、皮质醇增多症、生长激素缺乏症（GHD）。本研究使用REMS（射频超声多光谱技术）评估5-18岁患有对骨骼健康产生负面影响疾病的儿科患者的骨密度（BMD），REMS是一种无创、无辐射的超声技术。骨骼健康在儿童期至关重要，因为此时是骨峰值形成的关键时期，而骨密度降低与骨折风险增加相关。DXA是目前公认的参考方法，但在儿童中存在局限性，包括辐射暴露和与生长相关的测量问题。REMS已在成人中得到验证，尽管缺乏参考值，但在儿科领域显示出应用前景。本研究是一项单中心、全国性、非营利性干预研究，持续约12个月。参与者将接受REMS骨密度测量、临床病史采集以及人体测量和青春期参数评估，并在可获得时收集既往DXA数据。
主要目的是描述通过REMS测量的小儿骨质疏松症中的骨密度值，次要目的包括亚组分析及与DXA的对比。计划纳入100名患者作为样本。统计分析将评估骨密度分布、与临床变量的相关性，以及使用相关系数和Bland-Altman分析评估REMS与DXA之间的一致性。
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。
