针对骨肌减少症与多病共存以预防衰弱的OPTIMA-C研究

该数据集来自clinicaltrials.gov,聚焦卒中、创伤性脑损伤、膝骨关节炎与乳腺癌人群,研究骨肌减少症和多病共存如何单独或共同影响衰弱连续体的表现与轨迹

Tan Tock Seng HospitalTan Tock Seng Hospital
clinicaltrials
浏览 10
医学影像预测StrokeTraumatic Brain InjuryKnee OsteoarthritisBreast Cancer
Targeting Osteosarcopaenia and Multimorbidity for Frailty Prevention

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-07

资源简介

针对骨肌减少症与多病共存以预防衰弱的OPTIMA-C研究

该数据集来自clinicaltrials.gov,聚焦卒中、创伤性脑损伤、膝骨关节炎与乳腺癌人群,研究骨肌减少症和多病共存如何单独或共同影响衰弱连续体的表现与轨迹。OPTIMA-C将建立统一的管理与数据平台,探索康复住院早期进行肌少症筛查的可行性,并利用早期肌肉超声确定可能预测康复功能或整体结局的关键肌肉及其与急性疾病结局的相关性,同时量化数字标志物并研究其与身体、肌肉和骨骼影像学发现的相关性(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:卒中、创伤性脑损伤、膝骨关节炎、乳腺癌。骨肌减少症和多病共存已成为驱动衰弱循环的两个关键前因因素,导致不良结局。然而,多病共存和/或骨肌减少症如何单独或共同影响衰弱连续体的表现和轨迹,目前仍不清楚。OPTIMA-C将开发统一的管理和数据平台,探索在康复住院早期对肌少症进行包容性筛查的可行性。早期肌肉超声也将被用于确定可能预测所研究人群康复功能或整体结局的关键肌肉及其与急性疾病结局的相关性。数字标志物被量化,并研究其与身体、肌肉和骨骼影像学发现的相关性。

【主题与分类】

主题标签:Stroke、Traumatic Brain Injury、Knee Osteoarthritis、Breast Cancer。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06073106

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06073106

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:卒中、创伤性脑损伤、膝骨关节炎、乳腺癌。骨少肌症与多病共存已成为驱动衰弱循环的两个关键前因因素,导致不良结局。然而,多病共存和/或骨少肌症如何单独或协同影响衰弱连续体的表现与轨迹,目前尚不清楚。OPTIMA-C将建立统一的行政与数据平台,探索在康复住院早期对肌少症进行包容性筛查的可行性。早期肌肉超声也将被用于确定可能预测所研究人群中康复功能或整体结局的关键肌肉,及其与急性疾病结局的相关性。数字标志物被量化,并研究其与身体、肌肉和骨骼影像学发现的相关性。

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。

获取专属数据定制方案