两种方法处理自体BM-MNC治疗慢性肢体缺血的安全性和有效性研究
该数据集来自clinicaltrials.gov,聚焦于慢性肢体缺血患者的自体骨髓单核细胞(BM-MNC)治疗研究。数据可用于评估不同细胞处理方法对治疗细胞数量、质量及临床结局的影响,支持细胞治疗领域的疗效与安全性分析(来源 clinicaltrials.gov)

基本信息
资源简介
两种方法处理自体BM-MNC治疗慢性肢体缺血的安全性和有效性研究
该数据集来自clinicaltrials.gov,聚焦于慢性肢体缺血患者的自体骨髓单核细胞(BM-MNC)治疗研究。研究比较自动化骨髓处理系统与常规手工方法在安全性和有效性方面的差异,涉及Critical Limb Ischemia、Peripheral Arterial Disease和Buerger's Disease等疾病。数据可用于评估不同细胞处理方法对治疗细胞数量、质量及临床结局的影响,支持细胞治疗领域的疗效与安全性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Critical Limb Ischemia、Peripheral Arterial Disease、Buerger's Disease。使用自体骨髓单核细胞(BM-MNC)治疗慢性肢体缺血患者已被证明安全有效。然而,通过Ficoll密度梯度离心处理骨髓不仅耗时而且昂贵。手工处理骨髓也会导致治疗细胞数量和质量的大幅变化,这直接导致细胞治疗安全性和有效性的偏差。本研究旨在比较自动化骨髓处理系统与常规手工方法在安全性和有效性方面的差异。美国Thermogenesis公司开发的ResQ系统提供了一种用于骨髓的自动细胞处理系统。该系统在封闭系统内不到30分钟即可浓缩包括干细胞在内的治疗性单核细胞。
【主题与分类】
主题标签:Critical Limb Ischemia、Peripheral Arterial Disease、Buerger's Disease。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/NCT01446055
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/NCT01446055
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:严重肢体缺血、外周动脉疾病、血栓闭塞性脉管炎。使用自体骨髓单个核细胞(BM-MNC)治疗慢性肢体缺血患者已被证明安全有效。然而,采用Ficoll密度梯度离心法处理骨髓不仅耗时,而且费用高昂。手动处理骨髓还会导致治疗细胞数量和质量存在较大差异,这直接导致细胞治疗的安全性和有效性出现偏差。本研究旨在比较自动化骨髓处理系统与常规手动方法在安全性和有效性方面的差异。美国Thermogenesis公司开发的ResQ系统提供了一种用于骨髓的自动细胞处理系统。该系统可在不到30分钟内在封闭系统中浓缩包括干细胞在内的治疗性单个核细胞,无需添加任何添加剂,如分离试剂(Ficoll)。该系统还能够在护理现场进行操作。本研究旨在证明,经ResQ处理的骨髓细胞在安全性和有效性方面不劣于采用常规手动方法处理的细胞。
传统手工方法涉及在开放系统中进行Ficoll密度梯度离心和细胞洗涤步骤。每个测试组(ResQ对比手工方法)包含25名患者。主要结局指标是通过细胞治疗相关不良事件来衡量的安全性。次要终点包括静息踝臂压力指数(ABI)和趾臂压力指数(TBI)、经皮氧分压(TcPO2)、跛行距离、静息痛评分评估、侧支血管评分等。
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。




