识别功能性消化不良中胃内感受的多维特征
该数据集来自 clinicaltrials.gov，围绕功能性消化不良与神经性厌食症人群的肠脑沟通研究，用于识别胃内感受的多维特征
基本信息
资源简介
识别功能性消化不良中胃内感受的多维特征
该数据集英文名为 Identifying Multidimensional Signatures of Gastric Interoception in Functional Dyspepsia，来源于 clinicaltrials.gov，主题聚焦功能性消化不良与神经性厌食症两类人群的肠脑沟通研究，旨在识别胃内感受的多维特征。数据集在本站归入神经系统疾病 / 其他分类，主题标签为 Functional Dyspepsia 与 Anorexia Nervosa。整体来看，该数据集承载的是一项以功能性消化不良和神经性厌食症为研究条件、以肠脑沟通为研究核心的临床研究信息，其目标是通过研究加深对上述疾病的理解，从而改善治疗。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】
该数据集对应的研究关注功能性消化不良与神经性厌食症人群的肠脑沟通机制。源站描述指出，开展这项研究是为了调查功能性消化不良与神经性厌食症个体中的肠脑沟通情况，研究者希望从研究中获得的认识能够更好地理解这些疾病，进而改善治疗。数据集名称中的“胃内感受”（gastric interoception）与“多维特征”（multidimensional signatures）表明研究关注胃部内感受信号的多维刻画，但具体维度构成与测量方式源站未提供。
【数据内容】
该数据集的主题标签为功能性消化不良与神经性厌食症，研究条件同样为这两种疾病。从名称与源站描述可以确认，数据集围绕胃内感受的多维特征识别以及肠脑沟通研究展开。至于数据集内具体包含哪些字段、变量、受试者数量、分组方式、测量指标与结果数据，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov，属于临床研究注册信息源。源站描述仅说明研究条件为功能性消化不良与神经性厌食症，并说明研究目的是调查这两类人群的肠脑沟通。关于采集地点、采集时间、采集设备、采样流程与伦理审批信息，源站未提供。
【适用场景】
基于现有信息，该数据集适用于关注功能性消化不良与神经性厌食症肠脑沟通研究的场景，也可用于了解以胃内感受多维特征为主题的研究设计背景。其来源属性使其可用于检索和参考相关临床研究信息。关于具体分析用途、模型训练适用性或临床决策支持等场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、访问权限、数据结构说明、预处理步骤与分析流程等均未说明。
【质量与限制】
该数据集的信息来自 clinicaltrials.gov 的研究描述，源站描述较为概括，仅涵盖研究条件与研究目的，未提供样本规模、数据完整性、标注质量或验证结果等信息。因此，其质量评估依据与使用限制源站未提供。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
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/NCT07772167
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：功能性消化不良、神经性厌食症。本研究旨在探究功能性消化不良和神经性厌食症患者的大脑-肠道交流。研究者希望从本研究中获得的发现能够增进对这些疾病的理解，从而改善治疗方法。
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。
