非酒精性脂肪性肝炎患者肝内炎症微环境特征研究
该数据集来自 clinicaltrials.gov,聚焦非酒精性脂肪性肝炎(NASH)患者肝内炎症微环境的特征研究。NASH 以肝内炎症为特征,具有进展为肝硬化和肝细胞癌(HCC)的风险,而 NAFLD 影响全球约 25% 的成年人群,其中仅约 25% 为 NASH

基本信息
资源简介
非酒精性脂肪性肝炎患者肝内炎症微环境特征研究
该数据集来自 clinicaltrials.gov,聚焦非酒精性脂肪性肝炎(NASH)患者肝内炎症微环境的特征研究。NASH 以肝内炎症为特征,具有进展为肝硬化和肝细胞癌(HCC)的风险,而 NAFLD 影响全球约 25% 的成年人群,其中仅约 25% 为 NASH。识别 NASH 患者对判断纤维化及 HCC 监测需求、参与治疗试验至关重要。数据可用于 NASH 相关炎症机制、疾病进展风险及患者分层研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:肝脏疾病。非酒精性脂肪性肝病(NAFLD)是一个疾病分类实体,将非酒精性脂肪肝(NAFL)和非酒精性脂肪性肝炎(NASH)归为一类。与 NAFL 不同,NASH 以肝内炎症为特征,且仅有进展为肝硬化和肝细胞癌(HCC)的风险。目前估计 NAFLD 影响全球约 25% 的成年人口,且其发病率在世界所有地区都在上升。然而,在所有 NAFLD 患者中,仅约 25% 患有 NASH。因此,识别 NASH 患者至关重要,这决定了是否需要进行随访以检测纤维化和/或 HCC 的发生,以及最终能否参与治疗试验。此外,作为 NASH 初始驱动因素的肝内炎症,似乎在纤维化和 HCC 的发展中发挥重要作用,而这些可能发生在 abs
【主题与分类】
主题标签:Liver Diseases。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06152250
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/NCT06152250
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:肝病。非酒精性脂肪性肝病(NAFLD)是一个疾病实体,包括非酒精性单纯性脂肪肝(NAFL)和非酒精性脂肪性肝炎(NASH)。与NAFL不同,NASH以肝内炎症为特征,且仅有进展为肝硬化和肝细胞癌(HCC)的风险。目前估计,NAFLD影响全球约25%的成年人口,且在世界所有地区发病率均在上升。然而,在所有NAFLD患者中,仅约25%患有NASH。因此,识别NASH患者至关重要,这决定了是否需要进行随访以检测纤维化和/或HCC的发生,以及最终能否参与治疗试验。此外,肝内炎症作为NASH的初始驱动因素,似乎在纤维化和HCC的发生发展中起重要作用,而这些患者可在无肝硬化的情况下发生HCC。然而,迄今为止在人体中开展的研究很少,数据主要来自小鼠模型。一项创新技术——细针穿刺(FNA)——能够从肝脏区域获取细胞,包括大量免疫细胞。
在患有NAFLD且有肝活检指征的参与者中,还将进行FNA。将纳入40名患者,预计约75%为NASH,约25%为NAFL。研究者将采用不同的创新技术(RNAseq、多参数免疫表型分析、单细胞分泌蛋白组和磷酸化蛋白组)研究通过FNA获得的人肝内炎症细胞的表型和功能特征。还将分析已知可调节免疫反应的外周血单核细胞和循环microRNA。Profile-NASH的假设是,NASH和NAFL之间的肝内炎症特征存在差异,并与纤维化进展和癌变相关。这项基于高清晰度技术的初步研究,将为肝内炎症的质量提供精确的新见解。
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。




