Dasatinib与Quercetin治疗纤维化非酒精性脂肪性肝病
该数据集来自clinicaltrials.gov,主题为Dasatinib与Quercetin治疗纤维化非酒精性脂肪性肝病,本站归类于肿瘤/肝癌

基本信息
资源简介
Dasatinib与Quercetin治疗纤维化非酒精性脂肪性肝病
该数据集来自clinicaltrials.gov,主题为Dasatinib与Quercetin治疗纤维化非酒精性脂肪性肝病,本站归类于肿瘤/肝癌。源站描述涉及NAFLD、伴纤维化的NASH及肝纤维化等状况,并给出NAFLD在西方国家的患病比例、从单纯性脂肪变性进展为NASH乃至肝硬化和肝细胞癌的风险,以及荷兰的患病人数估计与未来增长趋势,还提到心血管疾病是NAFLD患者的主要死因。数据可用于研究NAFLD相关纤维化及肝癌风险的预测与干预评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):状况:NAFLD、伴纤维化的NASH、肝纤维化。非酒精性脂肪性肝病(NAFLD)估计影响西方国家约25-30%的人口,现已成为全球慢性肝病的主要原因。NAFLD是一种进行性肝病,约30%的个体从单纯性脂肪变性进展为非酒精性脂肪性肝炎(NASH),后者可进一步进展为肝硬化和肝细胞癌。在荷兰,估计有250万人患有NAFLD,且由于肥胖和2型糖尿病患病率不断上升以及人口老龄化,这一数字预计在未来10年内增加50%。独立于其他心脏代谢疾病,心血管疾病是NAFLD个体的主要死因,其次是肝外恶性肿瘤和肝脏相关并发症。NAFLD resul
【主题与分类】
主题标签:NAFLD、NASH With Fibrosis、Liver Fibrosis。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05506488
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/NCT05506488
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)、伴纤维化的非酒精性脂肪性肝炎(NASH)、肝纤维化。据估计,在西方国家,非酒精性脂肪性肝病(NAFLD)影响约25-30%的人口,现已成为全球慢性肝病的首要病因。NAFLD是一种进行性肝病,约30%的个体从单纯性脂肪变性进展为非酒精性脂肪性肝炎(NASH),后者可进一步进展为肝硬化和肝细胞癌。在荷兰,估计有250万人患有NAFLD,且由于肥胖和2型糖尿病患病率不断上升以及人口老龄化,这一数字预计在未来10年内增加50%。独立于其他心血管代谢疾病,心血管疾病是NAFLD患者的主要死因,其次是肝外恶性肿瘤和肝脏相关并发症。NAFLD导致持续的医疗保健成本和经济损失,并降低健康相关生活质量。目前普遍认为,肝纤维化是NAFLD继发肝损伤的结果,并且是NAFLD患者肝脏相关死亡率和全因死亡率的主要预测因素。
纤维化的进展过程尚未被完全了解,且在不同个体之间差异显著。目前已确定若干纤维化进展的危险因素:年龄、高血压、肥胖和2型糖尿病。迄今为止,尚无任何治疗方法被证明能够成功靶向肝纤维化。因此,目前唯一可用的治疗选择是控制伴随的代谢性疾病,同时配合饮食和生活方式改变。遗憾的是,这不可避免地会导致多重用药,从而降低治疗依从性,并增加不良事件及与其他药物相互作用的风险。近年来,细胞衰老被认为是NAFLD及NAFLD相关肝纤维化发生和发展的一个因果因素。细胞衰老是衰老的标志之一。
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。




