NAFLD中的肝损伤与心血管代谢紊乱
该数据集来自clinicaltrials.gov,聚焦非酒精性脂肪性肝病(NAFLD)相关的肝损伤与心血管代谢紊乱。源站描述涵盖NAFLD从单纯性脂肪变性到非酒精性脂肪性肝炎、肝硬化及肝细胞癌的疾病谱,并提及人群患病率、2型糖尿病与PNPLA3基因突变等与疾病进展和肝纤维化相关的因素

基本信息
资源简介
NAFLD中的肝损伤与心血管代谢紊乱
该数据集来自clinicaltrials.gov,聚焦非酒精性脂肪性肝病(NAFLD)相关的肝损伤与心血管代谢紊乱。源站描述涵盖NAFLD从单纯性脂肪变性到非酒精性脂肪性肝炎、肝硬化及肝细胞癌的疾病谱,并提及人群患病率、2型糖尿病与PNPLA3基因突变等与疾病进展和肝纤维化相关的因素。数据可用于研究NAFLD与心血管疾病、心血管危险因素的关联,以及肝纤维化进展相关风险因素的探索(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:NAFLD、肝纤维化、心血管疾病、心血管危险因素。非酒精性脂肪性肝病(NAFLD)是全球常见的肝脏疾病。NAFLD包括从单纯性脂肪变性到非酒精性脂肪性肝炎(NASH)、肝硬化和肝细胞癌的一系列疾病。NAFLD的患病率在普通人群中为20%,在肥胖和/或糖尿病患者中为80-90%。2型糖尿病也与疾病进展相关。一些遗传状况已知与NAFLD病理生理学相关。含patatin样磷脂酶结构域3(PNPLA3)的突变是与NAFLD发病及其加速进展相关的最常见遗传缺陷。2型糖尿病和PNPL3突变都是与肝纤维化相关的较为人知的因素。超过肝细胞中脂质积累的量或l
【主题与分类】
主题标签:NAFLD、Liver Fibroses、Cardiovascular Diseases、Cardiovascular Risk Factor。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04036357
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/NCT04036357
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:NAFLD、肝纤维化、心血管疾病、心血管危险因素。非酒精性脂肪性肝病(NAFLD)是全球常见的肝脏疾病。NAFLD包括从单纯性脂肪变性到非酒精性脂肪性肝炎(NASH)、肝硬化和肝细胞癌的一系列疾病谱。NAFLD的患病率从一般人群的20%到肥胖和/或糖尿病患者中的80-90%不等。2型糖尿病也与疾病进展相关。已知一些遗传状况与NAFLD的病理生理学相关。含patatin样磷脂酶结构域3(PNPLA3)突变是与NAFLD发病及其加速进展相关的最常见遗传缺陷。2型糖尿病和PNPL3突变均为与肝纤维化相关的较为人知的因子。NAFLD最重要的预后因素不是肝细胞中脂质积聚的量或肝脏炎症的程度,而是纤维化,纤维化可发生于NAFLD疾病的任何阶段,也可见于无炎症或气球样变的单纯性脂肪变性。
晚期纤维化(F分期≥3)不仅与肝病相关死亡有关,也与全因死亡有关。2007年,一种无创系统——NAFLD纤维化评分(NFS)——经过验证可用于识别伴有晚期纤维化的NAFLD患者。NFS≥0.676检测晚期纤维化(F3-F4)的阳性预测值为90%-82%,而NFS≤-1.455排除晚期纤维化的阴性预测值为93%-88%。此外,在不同研究背景下,一种名为Fibrosis-4(FIB-4)的评分也经过验证,可用于检测乙型肝炎病毒和丙型肝炎病毒/人类免疫缺陷病毒合并感染患者的晚期纤维化。FIB-4≤1.45排除晚期纤维化的阴性预测值为90%,而FIB-4≥3.25检测晚期纤维化的阳性预测值为65%。目前,对于在大型NAFLD患者队列中预测肝纤维化演变的生化和药理学因素知之甚少。因此,本研究的主要目的是
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。




