成人间活体供肝肝移植研究
该数据集来自 clinicaltrials.gov,聚焦成人间活体供肝肝移植(LDLT),覆盖肝硬化、丙型肝炎与肝细胞癌人群

基本信息
资源简介
成人间活体供肝肝移植研究
该数据集来自 clinicaltrials.gov,聚焦成人间活体供肝肝移植(LDLT),覆盖肝硬化、丙型肝炎与肝细胞癌人群。源站描述指出,单个中心病例数少且诊疗方式差异大,难以获得可推广的供受者结局信息,因此由九家领先肝移植中心与一个数据协调中心组成网络,建立 A2ALL 队列,开展回顾性与前瞻性研究,积累足够数量正在评估或接受 LDLT 的患者并进行随访。数据可用于研究供者与受者结局、比较不同中心实践,并支持有足够把握度的移植相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肝硬化、丙型肝炎、肝细胞癌。成人间活体供肝肝移植(LDLT)是一项相对较新的技术,越来越多地用于大型移植中心。任何单一中心实施的病例数相对较少,且各中心对患者和供者的处理方式差异过大,无法从单个中心获得可靠且可推广的供者与受者结局信息。因此,已组织一个由九家领先肝移植中心和一个数据协调中心(DCC)组成的网络,以积累并随访足够数量正在被考虑接受和正在接受 LDLT 的患者,从而通过有足够把握度的研究提供可推广的结果。该网络已建立成人间活体供肝肝移植队列研究(A2ALL),将开展 LDLT 的回顾性和前瞻性研究。
【主题与分类】
主题标签:Cirrhosis、Hepatitis C、Hepatocellular Carcinoma。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00096733
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/NCT00096733
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
疾病条件:肝硬化、丙型肝炎、肝细胞癌。成人间活体供肝肝移植(LDLT)是一项相对较新的手术,在大型移植中心的应用日益增多。任一中心实施的病例数相对较少,且各中心对患者和供者的处理方法差异过大,难以提供可靠且可推广的供者和受者结局信息。因此,已组建了一个由九家领先肝移植中心和一家数据协调中心(DCC)组成的网络,以积累并随访足够数量的正在考虑接受和正在接受LDLT的患者,从而通过把握度充分的研究提供可推广的结果。该网络已建立成人间活体供肝肝移植队列研究(A2ALL),将开展LDLT的回顾性和前瞻性研究。主要研究目标是分析选择进行活体肝脏捐献的影响。
主要假设是,追求活体肝移植供体会降低移植前发病率和死亡率,并从列入等待名单的患者接受潜在供体评估(至少包括病史和体格检查)之时起,为患者带来更好的长期结局。新出现的数据表明,与用于DDLT的全肝相比,由于实质质量减少和技术复杂性增加,LDLT提供的移植物较差。LDLT移植物劣势的程度将通过比较移植时起LDLT与DDLT的结果来评估。最后,由于这一问题对于我们理解该手术的影响至关重要,因此将潜在和实际活体肝供体的仔细而详细的一系列研究列为主要目标。次要目标将围绕DDLT与LDLT之间的比较,探讨移植中选定的生物学和临床问题。
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。




