酮替芬治疗非酒精性脂肪肝患者数据集
该数据集来源于 clinicaltrials.gov,主题为酮替芬在非酒精性脂肪肝患者中的研究,本站归类于肿瘤/肝癌方向

基本信息
资源简介
酮替芬治疗非酒精性脂肪肝患者数据集
该数据集来源于 clinicaltrials.gov,主题为酮替芬在非酒精性脂肪肝患者中的研究,本站归类于肿瘤/肝癌方向。源站描述指出,非酒精性脂肪肝以肝细胞内脂肪蓄积沉积为特征,影响肝脏结构与功能,主要与血脂异常和肥胖相关,患病率从2005年的25%升至2016年的37%以上,并可经非酒精性脂肪性肝炎进展为肝纤维化、肝硬化乃至肝细胞癌,目前尚无针对NASH的明确获批药物,管理主要依赖饮食控制、体力活动及支持治疗。该数据可用于脂肪肝相关疾病进展与干预研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:肝脏疾病。非酒精性脂肪肝(NAFLD)的特征是肝细胞内脂肪的蓄积和沉积,影响肝脏结构和功能。NAFLD的病因多样,但主要归因于血脂异常和肥胖。NAFLD的患病率多年来不断上升,从2005年的25%升至2016年的37%以上,并持续增加,成为最常见的慢性肝病之一(Li J et al., 2019)。该病从脂肪变性和炎症浸润(称为非酒精性脂肪性肝炎,NASH)进展为肝纤维化、肝硬化,最终发展为肝细胞癌。尽管有这些严重后果,目前尚未开发出针对NASH的明确获批药物。NAFLD的管理主要依赖于饮食控制、体力活动以及一些主要旨在预防疾病并发症的支持性治疗(Mundi
【主题与分类】
主题标签:Hepatic Disease。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05616442
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/NCT05616442
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
疾病情况:肝病。非酒精性脂肪性肝病(NAFLD)的特征是肝细胞内脂肪的积累和沉积,影响肝脏结构和功能。NAFLD的成因多样,但主要归因于血脂异常和肥胖。过去几年中,NAFLD的患病率已从2005年的25%上升至2016年的超过37%,并持续增长,成为最常见的慢性肝病之一(Li J等,2019)。该病从脂肪变性和炎症浸润,即非酒精性脂肪性肝炎(NASH),进展至肝纤维化、肝硬化,最终可能导致肝细胞癌。尽管后果严重,但目前尚无明确批准用于NASH的治疗药物。NAFLD的管理主要依赖于饮食控制、体育活动及一些支持性治疗,主要是为了预防疾病并发症(Mundi等,2020)。肥大细胞(MCs)负责释放介质,包括预形成的生物活性代谢物(组胺和类胰蛋白酶)、新合成的细胞因子[转化生长因子β(TGF-β)、肿瘤坏死因子α(TNF-α)](Pham等,2022)。
在NAFLD/NASH过程中,MCs可导致微泡性脂肪变性、导管反应(DR)、胆管衰老、炎症、血管生成及肝纤维化(Huang等,2022)。因此,诸如酮替芬之类的MC稳定剂通过其抗氧化和抗炎作用,已成为改善NASH患者病情的有前景的方法(Kim等,2014;Abdelzaher等,2020)。
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。




