肝病与其他系统性疾病
该数据集来自 clinicaltrials.gov,主题为肝病与其他系统性疾病,涵盖肝脏疾病、人类、疾病进展、癌变、脂肪肝、丙型肝炎、乙型肝炎、肝细胞癌、肝硬化及治疗结局等方向

基本信息
资源简介
肝病与其他系统性疾病
该数据集来自 clinicaltrials.gov,主题为肝病与其他系统性疾病,涵盖肝脏疾病、人类、疾病进展、癌变、脂肪肝、丙型肝炎、乙型肝炎、肝细胞癌、肝硬化及治疗结局等方向。数据关注全球人口老龄化背景下慢性病进展与并发症的预防,强调肝脏作为人体最大实体器官在营养、代谢、蛋白质与生化物质合成及解毒中的关键作用,以及肝功能受损可能引发的功能障碍。可用于肝病相关风险识别、进展评估与干预策略研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肝脏疾病、人类、进展、癌变、脂肪肝、丙型肝炎、乙型肝炎、肝细胞癌。未来数十年全球人口将持续老龄化。即使衰老,保持人们健康的一个关键要素是预防慢性病进展并减少相关并发症。约80%的老年人患有一种慢性病,50%至少患有两种慢性疾病。必须努力确定预防或降低慢性病和损伤风险的策略,并广泛实施有效干预措施。由于肝脏是人体最大的实体器官,具有多种功能,包括营养、代谢、蛋白质和生化物质合成以及解毒,其功能对机体稳态至关重要。肝功能的损害可能导致功能障碍甚至
【主题与分类】
主题标签:Liver Diseases、Humans、Progression、Carcinogenesis、Fatty Liver Disease、Hepatitis C、Hepatitis B、Hepatocellular Carcinoma、Liver Cirrhoses、Treatment Outcome。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04525833
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/NCT04525833
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:肝病、人类、进展、癌变、脂肪肝、丙型肝炎、乙型肝炎、肝细胞癌。未来几十年,全球人口将持续老龄化。即便在老龄化背景下,保持人们健康的关键要素之一是预防慢性疾病的进展并减少相关并发症。大约80%的老年人至少患有一种慢性病,而50%的老年人至少患有两种慢性疾病。必须努力寻找预防或降低慢性病及伤害风险的策略,并广泛实施有效的干预措施。由于肝脏是人体内最大的实体器官,具有多种功能,包括营养、代谢、蛋白质和生化物质合成以及解毒,其功能对于维持机体稳态至关重要。肝功能受损可能导致身体其他系统功能障碍,甚至使其停止运作。因此,更深入地了解肝脏疾病的发病机制不仅是医学科学的关键问题,还可能以多种方式影响其他身体系统的总体健康和疾病状况。
最终,在全球范围内造成了重大的公共卫生和经济损失。然而,肝脏疾病对其他系统性疾病的发展、治疗及预后的影响及其相互作用,或反之,仍很大程度上未知。近期研究已证实糖尿病与肝脏疾病之间的相互作用,并暗示糖尿病可能对肝病进展、治疗结果及肝癌发生具有恶化效应。这些证据不仅证实了更深入理解肝脏与其他疾病间相互作用的必要性,也证明了更广泛探索肝脏疾病与其他系统性疾病之间相互作用的合理性。在本研究中,研究者旨在通过回顾性[……]
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。




