非酒精性脂肪性肝炎与内脏及皮下脂肪的关系
该数据集来自 clinicaltrials.gov,主题为非酒精性脂肪性肝炎(NASH)与内脏脂肪、皮下脂肪的关系。源站描述指出,非酒精性脂肪性肝病(NAFLD)是全球慢性肝病最常见病因之一,NASH 等严重类型可进展为肝硬化或肝细胞癌,因此需要研究肝脂肪变的相关危险因素以开展有效筛查;肥胖是最常见

基本信息
资源简介
非酒精性脂肪性肝炎与内脏及皮下脂肪的关系
该数据集来自 clinicaltrials.gov,主题为非酒精性脂肪性肝炎(NASH)与内脏脂肪、皮下脂肪的关系。源站描述指出,非酒精性脂肪性肝病(NAFLD)是全球慢性肝病最常见病因之一,NASH 等严重类型可进展为肝硬化或肝细胞癌,因此需要研究肝脂肪变的相关危险因素以开展有效筛查;肥胖是最常见的相关疾病,NAFLD 被视为代谢综合征的表型之一,其特征包括肥胖伴内脏脂肪堆积、糖尿病、高血压和血脂异常,重度肥胖者合并 NAFLD、心血管疾病等共病的风险显著偏高。数据可用于探索 NASH 与脂肪分布相关的危险因素及筛查方向(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:NASH——非酒精性脂肪性肝炎。非酒精性脂肪性肝病是全球慢性肝病最常见的原因之一。NAFLD 的严重类型如非酒精性脂肪性肝炎可进展为终末期肝病,如肝硬化或肝细胞癌。因此,需要研究与肝脂肪变相关的危险因素,以进行有效的筛查。肝脂肪变由多种原因引起,但肥胖是最常见的相关疾病。肥胖被视为一种门户疾病,NAFLD 被认为是代谢综合征的表型之一,其特征为肥胖伴内脏脂肪堆积、糖尿病、高血压和血脂异常。重度肥胖个体合并症的风险不成比例地高,包括非酒精性脂肪性肝病(NAFLD)、心血管疾病
【主题与分类】
主题标签:NASH - Nonalcoholic Steatohepatitis。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04240145
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/NCT04240145
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:NASH——非酒精性脂肪性肝炎。非酒精性脂肪性肝病是全球范围内慢性肝病最常见的病因之一。NAFLD的严重类型,如非酒精性脂肪性肝炎,可进展为终末期肝病,例如肝硬化或肝细胞癌。因此,需要研究与肝脂肪变性相关的危险因素,以开展有效的筛查。肝脂肪变性由多种原因引起,但肥胖是最常见的相关疾病。肥胖被视为一种门户疾病,而NAFLD被认为是代谢综合征的表型之一,代谢综合征的特征是肥胖伴内脏脂肪堆积、糖尿病、高血压和血脂异常。重度肥胖个体合并症的风险异常增高,包括非酒精性脂肪性肝病(NAFLD)、心血管疾病和糖尿病。
在肥胖症中,脂肪的分布似乎比脂肪总量更为重要。以上半身为主的脂肪分布会增加肥胖症代谢并发症的风险,包括肝脂肪变性,尤其是当它与腹腔内脂肪增加相关时。大多数“代谢性肥胖”的正常体重受试者存在脂肪组织量的某种程度增加和胰岛素抵抗,这可能是由于内脏脂肪增加所致。因此,BMI相对较低的受试者可能有腹部内脏脂肪的显著增加,而其他BMI较高的受试者可能腹腔内/内脏脂肪很少。多项研究表明,内脏肥胖是肝脂肪变性的临床预测指标。此外,脂肪肝的严重程度已与通过CT评估的VAT面积相关联。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




