中国肥胖患者非酒精性脂肪性肝病的临床病程与生物标志物
该数据集来自 clinicaltrials.gov,聚焦中国肥胖合并非酒精性脂肪性肝病(NAFLD)患者。研究在腹腔镜减重手术中直视下进行肝活检,用于组织学分析与评分,并采集综合临床资料,以探讨 NAFLD 的临床病程及相关生物标志物

基本信息
资源简介
中国肥胖患者非酒精性脂肪性肝病的临床病程与生物标志物
该数据集来自 clinicaltrials.gov,聚焦中国肥胖合并非酒精性脂肪性肝病(NAFLD)患者。研究在腹腔镜减重手术中直视下进行肝活检,用于组织学分析与评分,并采集综合临床资料,以探讨 NAFLD 的临床病程及相关生物标志物。数据覆盖 NAFLD 向 NASH、纤维化向肝硬化进展等关键环节,可用于研究肥胖人群 NAFLD 的进展规律、生物标志物筛选与风险预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:非酒精性脂肪性肝病(NAFLD)。非酒精性脂肪性肝病(NAFLD)是世界许多地区最常见的慢性肝病形式。NAFLD 可进展为非酒精性脂肪性肝炎(NASH),并导致肝硬化和肝癌。尽管 NAFLD 很常见,但关于这一常见疾病仍存在许多知识空白,包括从 NAFLD 到 NASH 的进展、从纤维化到肝硬化的进展、有效的治疗策略等。在本研究中,我们旨在研究一组在基线时接受腹腔镜减重手术、有或无已知 NAFLD 病史的肥胖患者中与 NAFLD 相关的临床病程和生物标志物。在腹腔镜手术期间,同意参与的受试者将在直视下接受肝活检,并送检进行组织学分析和评分。患者将接受全面的临床
【主题与分类】
主题标签:Nonalcoholic Fatty Liver Disease (NAFLD)。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07662356
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/NCT07662356
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:非酒精性脂肪性肝病(NAFLD)。非酒精性脂肪性肝病(NAFLD)是全球许多地区最常见的慢性肝病形式。NAFLD可进展为非酒精性脂肪性肝炎(NASH),并导致肝硬化和肝癌。尽管NAFLD很常见,但关于这一常见疾病仍存在许多知识空白,包括从NAFLD进展为NASH以及从纤维化进展为肝硬化的过程、有效的治疗策略等。在本研究中,我们旨在调查一组接受腹腔镜减重手术的肥胖患者的临床病程及与NAFLD相关的生物标志物,这些患者在基线时伴有或不伴有已知的NAFLD病史。在腹腔镜手术期间,同意参与研究的受试者将在直视下接受肝活检,并送检进行组织学分析和评分。患者将在手术前后接受全面的临床和生化评估。将以组织学作为金标准,评估该组肥胖患者中NAFLD的患病率及临床病程。将识别与NAFLD相关的临床特征和生物标志物。
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。




