alpha1-抗胰蛋白酶缺乏症患者的肝病
该数据集来自 clinicaltrials.gov,主题为 alpha1-抗胰蛋白酶缺乏症(AAT 缺乏症)患者的肝病。AAT 缺乏症是一种常被忽视的代谢紊乱,除肺部疾病外还可导致肝病,影响所有年龄和种族人群

基本信息
资源简介
alpha1-抗胰蛋白酶缺乏症患者的肝病
该数据集来自 clinicaltrials.gov,主题为 alpha1-抗胰蛋白酶缺乏症(AAT 缺乏症)患者的肝病。AAT 缺乏症是一种常被忽视的代谢紊乱,除肺部疾病外还可导致肝病,影响所有年龄和种族人群。肝脏受累是 Alpha1 患者生活质量与预期寿命下降的第二大常见原因,但目前尚无类似肺部预防的预防性护理方案,慢性肝损伤常在晚期才被发现,且患者症状多不特异,常规肝功能检查也常无异常。数据可用于肝病识别与分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:alpha1-抗胰蛋白酶缺乏症。Alpha1-抗胰蛋白酶缺乏症(AAT 缺乏症)是一种常被忽视的代谢紊乱。除肺部疾病外,AAT 缺乏症还可导致肝病。这可影响所有年龄和所有种族的人群。尽管肝脏受累是 Alpha1 患者生活质量和预期寿命下降的第二大常见原因,但目前尚未制定出类似为避免肺部受累而实施的预防性护理方案。因此,在确诊的 AAT 缺乏症病例中,慢性肝脏受累往往直到很晚期才被发现。使情况更复杂的是,受影响的患者通常即使有症状也仅为非特异性症状。此外,常规诊断测量(例如肝功能检查)往往未显示异常。在晚期诊断的情况下,多种并发症
【主题与分类】
主题标签:alpha1-antitrypsin Deficiency。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02929940
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/NCT02929940
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:α1-抗胰蛋白酶缺乏症。α1-抗胰蛋白酶缺乏症(AAT缺乏症)是一种常被忽视的代谢性疾病。除肺部疾病外,AAT缺乏症还可导致肝脏疾病。此病可影响所有年龄段及所有种族的人群。尽管肝脏受累是α1患者生活质量下降和预期寿命缩短的第二大常见原因,但目前尚未制定出类似预防肺部受累那样的预防保健计划。因此,在确诊的AAT缺乏症病例中,慢性肝脏受累往往直至晚期才被发现。加之患者通常仅有非特异性症状,甚至完全无症状,这一情况更为复杂。此外,常规诊断检测(如肝功能检查)常无异常发现。若诊断延迟,肝脏疾病的多种并发症将无法得到有效预防。AAT缺乏症中的肝脏受累可导致肝硬化或肝癌。肝硬化是多种肝脏疾病危及生命的后果,且预后不良。
除AAT缺乏症外,许多其他可能可治疗的状况,如病毒性肝炎、过量饮酒和糖尿病,也能导致肝损伤。肝硬化本身会导致许多往往危及生命的继发性疾病,如严重出血或肝癌。因此,早期诊断如AAT缺乏症这样的肝脏疾病至关重要,以便预防并发症并治疗并存的风险因素。研究人员与多个患者支持团体及专门研究AAT缺乏相关肺病的其他医院合作。与合作伙伴一道,研究人员希望改善受影响患者的护理,并促进治疗进展。本研究旨在明确AAT缺乏症患者肝功能如何变化。为此,研究人员采用了以下方法:(一)
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。




