血清黄嘌呤氧化酶水平与脂溢性角化病的关系
该数据集来自 clinicaltrials.gov,主题为血清黄嘌呤氧化酶(XO)水平与脂溢性角化病(SK)之间可能存在的关联

基本信息
资源简介
血清黄嘌呤氧化酶水平与脂溢性角化病的关系
该数据集来自 clinicaltrials.gov,主题为血清黄嘌呤氧化酶(XO)水平与脂溢性角化病(SK)之间可能存在的关联。SK 是皮肤科常见的良性皮肤肿瘤,其确切病因尚不明确,年龄、遗传、紫外线暴露和氧化应激等因素被认为可能参与其中。XO 是一种参与嘌呤代谢的促氧化酶,可产生活性氧(ROS),如超氧化物和过氧化氢,这些 ROS 可能参与氧化应激,进而影响皮肤老化过程。该观察性研究可用于探索 XO 水平与 SK 发生之间的预测关系,属于肿瘤/其他分类(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Seborrheic Keratosis (SK), Oxidative Stress, Skin Aging. 脂溢性角化病(SK)是皮肤科实践中最常见的良性皮肤肿瘤之一。尽管 SK 不是恶性的,但其外观可能引起患者担忧,尤其是当病变数量众多或位于面部等可见区域时。SK 的确切病因尚不清楚,但年龄、遗传、紫外线(UV)暴露和氧化应激等多种因素被认为与之有关。这项观察性研究旨在探讨血清黄嘌呤氧化酶(XO)水平与 SK 存在之间的潜在关联。XO 是一种参与嘌呤代谢的促氧化酶,可产生活性氧(ROS),包括超氧化物和过氧化氢。这些 ROS 可能在氧化应激中发挥作用,而氧化应激被认为参与多种皮肤老化过程,并可能参与
【主题与分类】
主题标签:Seborrheic Keratosis (SK)、Oxidative Stress、Skin Aging。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07095348
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/NCT07095348
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:脂溢性角化病(SK)、氧化应激、皮肤老化。脂溢性角化病(SK)是皮肤科临床实践中最常见的良性皮肤肿瘤之一。尽管SK并非恶性,但其外观可能引起患者担忧,尤其是当病变数量众多或位于面部等可见部位时。SK的确切病因尚不明确,但年龄、遗传、紫外线(UV)暴露和氧化应激等多种因素被认为与其相关。本观察性研究旨在探讨血清黄嘌呤氧化酶(XO)水平与SK存在之间的潜在关联。XO是一种参与嘌呤代谢的促氧化酶,可产生活性氧(ROS),包括超氧阴离子和过氧化氢。这些ROS可能在氧化应激中发挥作用,而氧化应激被认为与多种皮肤老化过程有关,并可能参与SK等良性表皮增生性疾病的发生。本研究共纳入80名参与者:40名确诊为SK的患者和40名无SK的健康对照者。参与者年龄在18至50岁之间,均从皮肤科门诊招募。
所有受试者均接受临床检查和皮肤镜检查以确认诊断。从所有参与者中采集血样,并使用经过验证的酶联免疫吸附测定(ELISA)技术测定血清XO水平。严格应用纳入和排除标准,以尽量减少混杂变量,如其他皮肤病、全身性疾病或近期抗氧化治疗的存在。该方案旨在提供基础数据,以探索SK的生化基础及氧化机制的可能参与。
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。




