高蛋白饮食改善酒精性脂肪肝数据集
该数据集来自 clinicaltrials.gov,主题为高蛋白饮食改善酒精性脂肪肝(AFLD)。AFLD 是酒精性肝病(ALD)的初始且最可逆阶段,以肝内脂质过度沉积和轻度肝损伤伴轻度炎症为特征,可进展为酒精性肝炎、肝纤维化、肝硬化甚至肝细胞癌

基本信息
资源简介
高蛋白饮食改善酒精性脂肪肝数据集
该数据集来自 clinicaltrials.gov,主题为高蛋白饮食改善酒精性脂肪肝(AFLD)。AFLD 是酒精性肝病(ALD)的初始且最可逆阶段,以肝内脂质过度沉积和轻度肝损伤伴轻度炎症为特征,可进展为酒精性肝炎、肝纤维化、肝硬化甚至肝细胞癌。中国酒精消费与 ALD 患病率(约 5.15%)持续上升,但 AFLD 目前缺乏有效临床治疗。该数据可用于研究饮食干预对 AFLD 的改善作用及相关预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:酒精相关性脂肪肝病。酒精相关性肝病(ALD)是恶性肝病导致死亡的主要原因,每年占肝硬化相关死亡的 47.9% 和肝癌相关死亡的 30%。在中国,酒精消费和 ALD 患病率(约 5.15%)均呈上升趋势,使 ALD 成为日益重要的公众健康问题。酒精相关性脂肪肝病(AFLD)作为 ALD 的初始且最可逆阶段,主要特征为肝内脂质过度沉积、轻度肝损伤伴轻度炎症。它可逐步发展为酒精性肝炎,部分患者可进展为肝纤维化、肝硬化甚至肝细胞癌。目前,AFLD 缺乏有效的临床治疗。尽管戒酒仍是 op
【主题与分类】
主题标签:Alcohol-associated Fatty Liver Disease。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07632222
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/NCT07632222
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:酒精相关性脂肪性肝病。酒精相关性肝病(ALD)是恶性肝病致死的主要原因,每年占肝硬化相关死亡的47.9%和肝癌相关死亡的30%。在中国,酒精消费量和ALD患病率(约5.15%)均呈上升趋势,使ALD成为日益严重的公共卫生问题。酒精相关性脂肪性肝病(AFLD)作为ALD的初始且最可逆阶段,主要特征为肝脏脂质过度沉积、轻度肝损伤伴轻度炎症。它可逐渐发展为酒精性肝炎,部分患者可进展为肝纤维化、肝硬化甚至肝细胞癌。目前,AFLD缺乏有效的临床治疗方法。尽管戒酒仍是逆转AFLD的最佳选择,但酒精依赖者往往难以坚持。高蛋白饮食通常指蛋白质占总能量摄入20%以上的饮食模式。
在探究高蛋白膳食干预代谢性疾病的研究中,30%的蛋白质供能比是一个常见的比例。基于人群的干预研究表明,这一比例的高蛋白膳食能显著降低肝脏脂肪含量。例如,《胃肠病学》(2017年)发表的一项研究报告称,为期6周的等热量高蛋白膳食(宏量营养素分布:30%蛋白质、40%碳水化合物、30%脂肪)显著改善了非酒精性脂肪性肝病(NAFLD)合并2型糖尿病(T2DM)患者的肝脏脂质沉积。《糖尿病学》(2019年)的研究显示,为期6周的等热量高蛋白膳食(30%蛋白质、30%碳水化合物、40%脂肪)显著降低了T2DM患者的肝脏脂肪含量。此外,《国际肝病》(2020年)的一项研究表明,为期3周的能量限制性高蛋白膳食(30%蛋白质、35%-45%碳
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。




