FibroScan 可重复性与再现性研究
该数据集来自 clinicaltrials.gov,聚焦 FibroScan 无创设备在肝脏硬度与脂肪含量测量中的可靠性与一致性评估,覆盖代谢相关脂肪性肝病(MASLD)、酒精相关肝病(ALD)及肝癌等慢性肝病场景

基本信息
资源简介
FibroScan 可重复性与再现性研究
该数据集来自 clinicaltrials.gov,聚焦 FibroScan 无创设备在肝脏硬度与脂肪含量测量中的可靠性与一致性评估,覆盖代谢相关脂肪性肝病(MASLD)、酒精相关肝病(ALD)及肝癌等慢性肝病场景。研究关注不同操作者与不同天数下 FibroScan 结果的可重复性与再现性,可用于评估无创肝纤维化检测在慢性肝病筛查与监测中的稳定性,为替代有创肝活检的常规随访方案提供依据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:非酒精性脂肪性肝病、酒精相关性肝病。慢性肝病(CLD)是全球严重的健康问题,常无症状进展至晚期,伴有肝癌和肝硬化等并发症风险。早期发现对于帮助预防这些结局至关重要。肝脏硬度测量(LSM)可检测慢性肝病患者中常见的肝纤维化(瘢痕形成),而肝活检等传统方法具有侵入性,不适合常规筛查和监测。FibroScan 是一种无创设备,可测量肝脏硬度及肝脏脂肪含量。本研究将评估 FibroScan 结果在不同操作者及不同天数使用时的一致性与可靠性,重点关注患有代谢相关肝病(MASLD)、酒精相关肝病(ALD)和肝……
【主题与分类】
主题标签:Non-Alcoholic Fatty Liver Disease、Liver Disease; Alcohol-Related。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06877026
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/NCT06877026
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、酒精相关性肝病。慢性肝病(CLD)是一个全球性的严重健康问题,通常在没有症状的情况下进展,直至晚期才出现,并伴有肝癌和肝硬化等并发症风险。早期发现对于帮助预防这些结局至关重要。肝脏硬度测量(LSM)可检测肝脏纤维化(瘢痕形成),这是CLD患者中的常见问题,而肝活检等传统方法具有侵入性,不适合常规筛查和监测。FibroScan是一种无创设备,可测量肝脏硬度和肝脏脂肪含量。本研究将评估FibroScan结果由不同操作者使用以及在不同日期使用时有多可靠和一致,重点关注患有代谢相关性肝病(MASLD)、酒精相关性肝病(ALD)和乙型肝炎等肝脏疾病的患者。本研究还旨在测试标准VCTE(振动控制瞬时弹性成像)和引导VCTE FibroScan代际,以评估其重现性和重复性。
作为次要目标,将评估受控衰减参数(CAP)结果以及FAST、Agile 3+和Agile 4评分,以比较其再现性和重复性。成年参与者将在三天内参加两次访视。在这些访视期间,他们将接受多次FibroScan扫描,包括第1天(第1次访视)进行五次扫描,随访访视(第2次访视)进行四次扫描,每次访视采集一份血液样本用于肝脏健康评估,并在第1天(第1次访视)填写AUDIT问卷。部分参与者在随访访视时可能仅接受两次扫描,因为这取决于操作人员的可用性。每次检查持续25-45分钟,包括所有检查类型。本研究由FibroScan制造商Echosens资助,将在英格兰的英国医疗机构进行。通过评估FibroScan结果的变异性,本研究有望更好地理解该设备在测量中的再现性和可靠性。
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。




