克罗恩病患者内镜下异型增生检测
条件：空肠或回肠受累的克罗恩病。克罗恩病（CD）患者发生小肠腺癌（SBA）的风险增加。CD病程长是主要风险因素。小肠异型增生在20%的病例中与SBA相关，且总是描述于病变部位
基本信息
资源简介
克罗恩病患者内镜下异型增生检测
该数据集英文名为 Endoscopic Detection of Dysplasia in Crohn's Disease Patient，来源于 clinicaltrials.gov，本站归类为肿瘤 / 其他，主题标签为“空肠或回肠受累的克罗恩病”。其关注的核心问题是：克罗恩病（CD）患者发生小肠腺癌（SBA）的风险升高，而长期CD病程是主要风险因素；小肠异型增生在20%的病例中与SBA相关，且总是描述于病变部位。研究拟通过多中心、探索性、开放性的前瞻性队列研究，评估小肠镜检出异型增生与腺癌的比率。以下依据可获得的信息对该数据集作分段介绍。
【数据集背景】
克罗恩病（CD）患者发生小肠腺癌（SBA）的风险增加，长期CD病程是主要的风险因素。小肠异型增生在20%的病例中与SBA相关，且总是描述于病变部位。从炎症进展为异型增生、再进展为腺癌的过程虽被怀疑存在，但其向肿瘤进展的机制与自然史仍属未知。参照长期炎症性结肠疾病中对结直肠癌的监测建议，对于具有SBA风险因素的CD患者，可考虑提出小肠内镜筛查；但文献中未能找到相关研究。基于这一背景，研究者提出针对异型增生或癌症高风险CD患者的前瞻性队列多中心探索性开放研究，目标是评估小肠镜检出异型增生与腺癌的比率。
【数据内容】
该数据集的主题标签为“空肠或回肠受累的克罗恩病”，源站描述所涉条件为位于空肠或回肠的克罗恩病。研究关注的核心结局指标为经小肠镜检出的异型增生与腺癌的比率。关于数据集所包含的具体变量、字段结构、样本量、记录条数、随访时长及统计指标等细节，源站未提供。
【采集与来源】
数据来源站为 clinicaltrials.gov。研究设计为多中心、探索性、开放性的前瞻性队列研究，研究对象为异型增生或癌症高风险的克罗恩病患者。关于具体的入排标准、招募人数、研究中心数量与分布、采集时间窗、内镜操作规范及数据录入流程等，源站未提供。
【适用场景】
该数据集适用于与空肠或回肠受累的克罗恩病相关的小肠异型增生与腺癌内镜检出研究场景，可服务于对CD患者小肠肿瘤监测策略的探索性评估，以及围绕小肠镜筛查在具有SBA风险因素的CD患者中应用价值的讨论。关于其他具体应用场景与适用边界，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站描述明确指出，文献中未能找到关于CD患者小肠内镜筛查的相关研究，该研究定位为探索性研究；异型增生向肿瘤进展及自然史仍属未知。关于数据质量评价、偏倚控制、样本代表性、缺失数据处理及结果外推限制等具体内容，源站未提供。
【引用与许可】
源站未提供。
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/NCT01180452
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：克罗恩病位于空肠或回肠。克罗恩病（CD）患者发生小肠腺癌（SBA）的风险增加。CD病程长是主要危险因素。20%的病例中，小肠异型增生与SBA相关，且始终描述于病变部位。进展为肿瘤的过程及自然史仍不清楚，但怀疑炎症进展为异型增生、再进展为腺癌。如同长期炎症性结肠疾病中结直肠癌的监测建议，对于具有SBA危险因素的CD患者，可考虑进行小肠内镜筛查。文献中未找到相关研究。研究者提出一项多中心探索性开放研究，针对异型增生或癌症高风险CD患者的前瞻性队列。目标是评估在高风险CD人群中通过小肠镜检查联合活检所检测到的异型增生和腺癌的发生率。
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。
