非酒精性脂肪性肝炎注册平台研究
该数据集来自 clinicaltrials.gov,为 NASH 伴纤维化患者的注册平台研究,属于肿瘤/肝癌分类。源站描述指出,NAFLD 是代谢应激诱导的肝损伤,与胰岛素抵抗和遗传易感性密切相关,疾病谱包括 NAFL、NASH、肝硬化和肝细胞癌

基本信息
资源简介
非酒精性脂肪性肝炎注册平台研究
该数据集来自 clinicaltrials.gov,为 NASH 伴纤维化患者的注册平台研究,属于肿瘤/肝癌分类。源站描述指出,NAFLD 是代谢应激诱导的肝损伤,与胰岛素抵抗和遗传易感性密切相关,疾病谱包括 NAFL、NASH、肝硬化和肝细胞癌。NASH 定义为超过 5% 的肝细胞脂肪变性合并小叶内炎症和肝细胞气球样变。该平台收集患者人口学、临床特征、治疗、结局、医疗资源利用、生活方式和基因型等真实世界数据,可用于研究 NASH 患者的临床特征与诊疗模式,为临床实践提供科学价值证据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:NASH 伴纤维化。非酒精性脂肪性肝病(NAFLD)是一种代谢应激诱导的肝损伤,与胰岛素抵抗和遗传易感性密切相关,其疾病谱包括非酒精性脂肪肝(NAFL)、非酒精性脂肪性肝炎(NASH)、肝硬化和肝细胞癌(HCC)。NASH 是 NAFLD 的严重形式,定义为超过 5% 的肝细胞脂肪变性合并小叶内炎症和肝细胞气球样变。通过对 NASH 患者注册平台进行研究,收集 NASH 患者临床特征及诊疗模式的真实世界数据,包括人口学、临床特征、治疗、结局、医疗资源利用、生活方式和基因型,一方面可为临床实践提供具有科学价值的证据,并制定诊
【主题与分类】
主题标签:NASH With Fibrosis。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06123858
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/NCT06123858
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:伴纤维化的NASH。非酒精性脂肪性肝病(NAFLD)是一种与胰岛素抵抗和遗传易感性密切相关的代谢应激性肝损伤,其疾病谱包括非酒精性单纯性脂肪肝(NAFL)、非酒精性脂肪性肝炎(NASH)、肝硬化和肝细胞癌(HCC)。NASH是NAFLD的一种严重类型,定义为超过5%的肝细胞脂肪变性,合并小叶内炎症和肝细胞气球样变。通过对NASH患者登记平台开展研究,收集NASH患者临床特征及诊疗模式的真实世界数据,包括人口学特征、临床特征、治疗、结局、医疗资源利用、生活方式和基因型,一方面可为临床实践提供具有科学价值的证据并制定诊疗指南,另一方面可促进中国NASH药物的临床研发。这是一项多中心、前瞻性、观察性登记平台研究。患者招募暂定于2023年12月至2024年12月进行。
符合入选标准但不符合排除标准的伴有纤维化的NASH患者将在选定的中心连续入组。预计患者数量为2,500例,将根据研究进展进行调整。在这些受试者中,将从约500例纤维化分期为F2或更高的NASH患者中收集PNPLA3和HSD17B13两个基因的信息。
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。




