自体脂肪细胞疗法
该数据集来自 clinicaltrials.gov,主题为自体脂肪细胞疗法,涉及脱发/秃顶、皱纹、容积、细纹、皮肤弹性、头发稀疏、皮肤色素沉着和皮肤质地等状况

基本信息
资源简介
自体脂肪细胞疗法
该数据集来自 clinicaltrials.gov,主题为自体脂肪细胞疗法,涉及脱发/秃顶、皱纹、容积、细纹、皮肤弹性、头发稀疏、皮肤色素沉着和皮肤质地等状况。源站描述比较了自体脂肪移植与真皮填充剂在皮肤年轻化和毛发修复中的效果,指出真皮填充剂生物相容性和可降解性高但效果通常不持久,而自体脂肪移植因使用自体细胞而完全生物相容,效果一般比真皮填充剂更持久。该数据可用于相关主题的分类或预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):状况:脱发/秃顶、皱纹外观、容积、细纹、皮肤弹性、头发稀疏、皮肤色素沉着、皮肤质地。自体脂肪移植(AFG)和真皮填充剂注射是美容领域用于皮肤年轻化和毛发修复的最主流的美学手术。真皮填充剂的高度生物相容性和可生物降解性对其在皮肤年轻化和毛发修复中的有效性有显著贡献;然而,效果通常不持久。另一方面,自体脂肪移植不仅越来越多地被认可用于皮肤年轻化,还用于乳房增大和关节炎的治疗。脂肪填充剂对受者完全生物相容,由于使用自体细胞,其效果通常比真皮填充剂所达到的效果更持久。尽管如此,未经处理的脂肪
【主题与分类】
主题标签:Hair Loss/Baldness、Wrinkle Appearance、Volume、Fine Lines、Skin Elasticity、Hair Thinning、Skin Pigmentation、Skin Texture。本站分类:肌肉骨骼系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06869252
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/NCT06869252
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
适应症:脱发/秃发、皱纹外观、容积、细纹、皮肤弹性、头发稀疏、皮肤色素沉着、皮肤质地。自体脂肪移植(AFG)和真皮填充剂注射是美容领域用于皮肤年轻化和毛发修复的最主流的美学手术。真皮填充剂的高度生物相容性和生物可降解性显著促进了其在皮肤年轻化和毛发修复中的有效性;然而,效果通常不持久。另一方面,自体脂肪移植不仅越来越多地被认可用于皮肤年轻化,还用于隆胸和关节炎的治疗。由于使用自体细胞,脂肪填充剂对受者完全生物相容,其效果通常比真皮填充剂所达到的效果更持久。尽管如此,通过吸脂手术收集的未经处理的脂肪抽吸物具有异质性组成,这可能导致脂肪组织分布不均,从而在受者部位形成肿块或结节。
自体脂肪移植后的体积保留不仅受脂肪细胞吸收率的影响,还受脂肪抽吸物中其他成分再摄取率的影响。自体脂肪细胞疗法旨在通过从脂肪抽吸物中分离早期脂肪细胞,并利用细胞分化特性优化脂肪填充物中脂肪细胞的数量,从而改进现有的自体脂肪移植。本研究旨在评估自体脂肪细胞疗法在人体受试者中用于皮肤年轻化和毛发改善的安全性、可行性和有效性。有意参与本研究的参与者资格将根据研究方案中列出的纳入和排除标准确定。主管整形外科医生将在自体脂肪细胞疗法实施后的六个月内监测和评估参与者的治疗结果。
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。




