APA在代谢性脂肪肝病中的疗效与依从性评估
该数据集来自clinicaltrials.gov,关注非酒精性脂肪肝病(NAFLD)患者接受适应性体育活动(APA)项目的疗效与依从性

基本信息
资源简介
APA在代谢性脂肪肝病中的疗效与依从性评估
该数据集来自clinicaltrials.gov,关注非酒精性脂肪肝病(NAFLD)患者接受适应性体育活动(APA)项目的疗效与依从性。NAFLD影响全球近25%人口,可进展为肝硬化和肝细胞癌。运动可改善肝脂肪变性,自2017年起APA在法国成为医生处方。参考检查为磁共振波谱成像,但费用高昂且限于高度专业化研究中心;近期采用MRI-PDFF序列分析MRI信号。数据可用于评估APA对NAFLD的干预效果与依从性预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:非酒精性脂肪肝病(NAFLD)。非酒精性脂肪肝病(NAFLD)影响全球近25%的人口,并可导致肝硬化和肝细胞癌。在NAFLD患者中,单独运动已被证明可改善肝脂肪变性。自2017年以来,适应性体育活动(APA)已成为法国转诊医生的医疗处方。因此,APA有望成为一种新的治疗方式,并将在NAFLD的预防和治疗中占据核心地位。用于无创量化肝脂肪变性的参考检查是磁共振波谱成像(MRI),然而该技术昂贵,且迄今为止仅限于高度专业化研究中心的研究。最近,通过磁共振成像衍生质子密度脂肪分数(MRI-PDFF)序列在……期间采集的MRI信号分析
【主题与分类】
主题标签:Non-Alcoholic 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/NCT04835831
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/NCT04835831
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
条件:非酒精性脂肪性肝病(NAFLD)。非酒精性脂肪性肝病(NAFLD)影响着全球近25%的人口,并可能导致肝硬化和肝细胞癌。已证实,NAFLD患者仅进行运动即可改善肝脏脂肪变性。自2017年起,适应性体育活动(APA)已成为法国转诊医生的一种医疗处方。因此,APA有望成为一种新的治疗方式,并将在NAFLD的预防和治疗中占据核心地位。肝脏脂肪变性无创定量的参考检查方法是波谱磁共振成像(MRI),然而该技术费用高昂,迄今为止仅限于高度专业化中心的研究使用。近年来,通过在进行经典MRI扫描时采集的磁共振成像衍生质子密度脂肪分数(MRI-PDFF)序列来分析MRI信号,已被验证为一种新的可靠技术,且比波谱MRI更易于常规使用。然而,目前用于PDFF MRI定量脂肪变性的不同技术变体尚未标准化。
MRI并不普及,且必须在具备相应能力和专业知识的中心进行。相比之下,使用经典“受控衰减参数”(CAP®)通过超声量化脂肪变性,则得益于在法国广泛分布的FibroScan而得以实现。尽管通过PDFF MRI量化脂肪变性优于经典CAP®,但经典CAP®对脂肪变性的量化与肝脏组织学有良好的相关性。此外,多项研究发现,在NAFLD患者中应用非药物或药物治疗以减轻体重和/或改善胰岛素抵抗时,经典CAP®值会下降。最近,Echosens公司开发了一项新技术——连续CAP——以提高经典CAP®在评估脂肪变性中的可靠性[Audiere等,ILC 2020]。连续CAP®不再基于10次测量,而是基于200次测量。
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。




