肝细胞癌患者预后无创评估数据集
该数据集来自 clinicaltrials.gov,聚焦肝细胞癌与肝硬化患者,围绕慢性肝病及肝细胞癌的疾病负担、筛查与治疗现状,以及门静脉高压的无创测量等主题

基本信息
资源简介
肝细胞癌患者预后无创评估数据集
该数据集来自 clinicaltrials.gov,聚焦肝细胞癌与肝硬化患者,围绕慢性肝病及肝细胞癌的疾病负担、筛查与治疗现状,以及门静脉高压的无创测量等主题。数据可用于肝细胞癌患者预后预测与无创评估相关研究,帮助分析 underlying 肝病对患者发病率与死亡率的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:HCC - 肝细胞癌、肝硬化。1.1 慢性肝病与肝细胞癌的意义 肝细胞癌(HCC)给全球医疗系统带来沉重负担,1990 年至 2019 年发病率大幅增加 70%,2019 年约达 747,000 例病例和 480,000 例死亡。尽管在高危人群中实施了筛查超声,且近几十年来 HCC 治疗取得进展,HCC 仍是一种致死性恶性肿瘤,中位生存期不足一年。除肿瘤学因素外, underlying 肝病对 HCC 患者的发病率和死亡率有重要影响,因为大多数 HCC 发生在各种病因的晚期慢性肝病患者慢性肝脏炎症和纤维化的背景下。1.2 门静脉高压的无创测量 在 Baveno VI 共识中,术语“compen
【主题与分类】
主题标签:HCC - Hepatocellular Carcinoma、Cirrhosis。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07036874
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/NCT07036874
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:HCC——肝细胞癌、肝硬化。1.1 慢性肝病与肝细胞癌的意义 肝细胞癌(HCC)给全球医疗系统带来沉重负担,1990年至2019年间发病率急剧上升70%,2019年约达747,000例病例和480,000例死亡。尽管在高危人群中实施了筛查超声,且近几十年来HCC治疗取得了进展,但HCC仍是一种致死性恶性肿瘤,中位生存期不足一年。除肿瘤学因素外,基础肝病对HCC患者的发病率和死亡率具有重要影响,因为大多数HCC发生于各种病因所致晚期慢性肝病患者的慢性肝脏炎症和纤维化背景下。1.2 门静脉高压的无创测量 在Baveno VI共识中,“代偿性晚期慢性肝病”(cACLD)一词描述了从晚期肝纤维化到代偿性肝硬化的慢性肝病谱系。
cACLD患者存在肝功能失代偿和发生HCC的风险,尤其是那些具有临床显著门静脉高压(CSPH)的患者,CSPH传统上通过肝静脉压力梯度(HVPG)进行有创测量。最近更新的Baveno VII共识采用了一种无创方法,将振动控制瞬时弹性成像(VCTE)测定的肝脏硬度测量值(LSM)和血小板计数结合起来,用于在cACLD患者中排除或确诊CSPH。在Baveno VII共识中,并且也被纳入最新的门静脉高压实践指南,LSM ≤ 15kPa且血小板计数 ≥ 150 x 109/L可排除CSPH,而LSM > 25kPa、LSM 20-25kPa且血小板计数 <150 x 109/L,或LSM 15-20kPa且血小板计数 <110 x 109/L则确诊CSPH,提示存在胃食管静脉曲张。同样在Baveno VI共识中,LSM < 20 kPa且血小板计数 > 150 x 109/L也意味着高危静脉曲张的风险极低,因此可以进行s
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。




