隐性营养不良型大疱性表皮松解症患者免疫耐受与创面愈合能力研究
疾病：隐性营养不良型大疱性表皮松解症。从未来治疗干预（可能涉及蛋白质、细胞和/或基因治疗）的角度来看，研究 RDEB 患者对 VII 型胶原的免疫耐受及其细胞进行组织重建的能力至关重要
基本信息
资源简介
隐性营养不良型大疱性表皮松解症患者免疫耐受与创面愈合能力研究
该数据集英文名为 Study of Immune Tolerance and Capacity for Wound Healing of Patients With Recessive Dystrophic Epidermolysis Bullosa，聚焦隐性营养不良型大疱性表皮松解症（RDEB）患者，围绕其对 VII 型胶原的免疫耐受状况以及细胞进行组织重建的能力展开研究。从未来治疗干预的角度看，这类干预可能涉及蛋白质、细胞和/或基因治疗，因此了解患者免疫系统对 VII 型胶原的耐受状态、以及患者细胞修复与重建组织的潜力，对于后续治疗策略的设计与评估具有重要意义。数据集来源于 clinicaltrials.gov，在本站归入免疫系统疾病 / 其他分类，主题标签为 Recessive Dystrophic Epidermolysis Bullosa。
【数据集背景】
隐性营养不良型大疱性表皮松解症是一种与 VII 型胶原相关的疾病。在展望未来治疗手段时，可能涉及蛋白质、细胞和/或基因治疗等方向。在此背景下，有必要研究 RDEB 患者对 VII 型胶原的免疫耐受情况，以及其细胞进行组织重建的能力。该数据集即围绕这一研究目的而设立，归属于免疫系统疾病 / 其他分类。
【数据内容】
该数据集的主题标签为 Recessive Dystrophic Epidermolysis Bullosa，所涉疾病为隐性营养不良型大疱性表皮松解症。其研究关注点包括患者对 VII 型胶原的免疫耐受，以及患者细胞进行组织重建的能力。源站未提供具体的变量字段、样本量、观测指标数值或数据表结构等细节。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述说明其条件为 Recessive Dystrophic Epidermolysis Bullosa，并从未来治疗干预（可能涉及蛋白质、细胞和/或基因治疗）的角度，提出研究 RDEB 患者对 VII 型胶原的免疫耐受及其细胞组织重建能力的必要性。源站未提供具体的采集时间、采集地点、纳入排除标准或采集流程等信息。
【适用场景】
基于现有信息，该数据集适用于与隐性营养不良型大疱性表皮松解症相关的研究场景，尤其是围绕 VII 型胶原免疫耐受评估、患者细胞组织重建能力分析，以及为可能涉及蛋白质、细胞和/或基因治疗的未来干预提供参考依据的方向。源站未提供更细化的适用场景说明。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式或分析流程。
【质量与限制】
源站未提供该数据集的质量控制信息、数据完整性说明或已知限制。使用时应仅依据可确认的信息，不宜对其覆盖范围与可靠性作额外推断。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT01874769
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：隐性营养不良性大疱性表皮松解症。从未来治疗干预的角度来看，可能涉及蛋白质、细胞和/或基因治疗，因此研究RDEB患者对VII型胶原的免疫耐受性及其细胞进行组织重建的能力至关重要。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
