沙特2型糖尿病队列中的非酒精性脂肪性肝病数据集
该数据集来自 clinicaltrials.gov,聚焦沙特阿拉伯2型糖尿病队列中的非酒精性脂肪性肝病(NAFLD)。源站描述指出,肥胖在发达国家与发展中国家的流行推高了NAFLD的患病率,估计约20%至30%的成人患有NAFLD,它也是发达国家儿童中最常见的肝脏病理

基本信息
资源简介
沙特2型糖尿病队列中的非酒精性脂肪性肝病数据集
该数据集来自 clinicaltrials.gov,聚焦沙特阿拉伯2型糖尿病队列中的非酒精性脂肪性肝病(NAFLD)。源站描述指出,肥胖在发达国家与发展中国家的流行推高了NAFLD的患病率,估计约20%至30%的成人患有NAFLD,它也是发达国家儿童中最常见的肝脏病理。尽管数字惊人,NAFLD仍大量未被诊断,可能因其相较其他肝病侵袭性较低、表现良性。NAFLD是肝硬化和肝细胞癌的前驱病变,应给予同等甚至更多关注。数据可用于NAFLD与2型糖尿病关联研究及肝癌风险相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:非酒精性脂肪性肝病、2型糖尿病。肥胖在发达国家与发展中国家的流行,为另一种与肥胖相关的并发症——非酒精性脂肪性肝病(NAFLD)——患病率的上升铺平了道路,其严重程度足以被视为主要公共卫生威胁之一。据估计,约20%至30%的成年人群患有NAFLD。它也是发达国家儿童中最常见的肝脏病理。遗憾的是,尽管数字惊人,NAFLD仍在很大程度上未被诊断,可能是因为与其他肝病相比,其侵袭性较低且表现良性。因此,显而易见的是,NAFLD作为肝硬化与肝细胞癌等更严重肝脏疾病的前驱病变,应给予同等——如果不是更多——的关注,
【主题与分类】
主题标签:Nonalcoholic Fatty Liver Disease、Type 2 Diabetes Mellitus。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05697991
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/NCT05697991
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、2型糖尿病。发达国家和发展中国家肥胖患病率的增加,为另一种与肥胖相关的并发症患病率上升铺平了道路,该并发症的重要性足以被视为主要公共卫生威胁之一:非酒精性脂肪性肝病(NAFLD)。据估计,约20%至30%的成年人群患有NAFLD。它也是发达国家儿童中最常见的肝脏病理。不幸的是,尽管数字令人震惊,NAFLD在很大程度上仍未被充分诊断,这可能是因为与其他肝脏疾病相比,其侵袭性较低且表现良性。因此,显而易见的是,NAFLD作为肝硬化 and 肝细胞癌等更严重肝脏疾病的先兆,应给予同等甚至更大的临床重视。越来越多的证据表明,NAFLD与代谢综合征(MetS)在临床上具有相似的平行特征,后者是心血管危险因素的聚集,以胰岛素抵抗为共同的统一因素。
众所周知,患有MetS(代谢综合征)的人群进展为冠状动脉疾病和2型糖尿病(T2DM)等重大慢性非传染性疾病的风险更高。因此,T2DM患者更易发展为NAFLD(非酒精性脂肪性肝病)。肥胖被认为是连接NAFLD、MetS和T2DM的共同因素之一,这使得饮食和生活方式调整成为治疗这些临床实体的金标准,除此之外还有旨在改善胰岛素敏感性的药物治疗。因此,更好地理解T2DM患者中NAFLD的复杂病理生理机制十分重要,以便未来的干预措施能够针对逆转并发症。我们目前对NAFLD在预后和治疗方面的认识前景可期但仍无定论,这意味着需要采用前瞻性方法进行进一步研究。直到最近才有一项针对临床
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。




