超声评估糖尿病周围神经病变坐骨神经与臀下动脉:与靶基因的关联
该数据集来自 clinicaltrials.gov,围绕糖尿病周围神经病变(DPN)的前瞻性、观察性、横断面研究,探索高频超声结合生物信息学来源的分子标志物对 2 型糖尿病 DPN 的早期诊断价值,并验证“结构-功能-分子”级联假说

基本信息
资源简介
超声评估糖尿病周围神经病变坐骨神经与臀下动脉:与靶基因的关联
该数据集来自 clinicaltrials.gov,围绕糖尿病周围神经病变(DPN)的前瞻性、观察性、横断面研究,探索高频超声结合生物信息学来源的分子标志物对 2 型糖尿病 DPN 的早期诊断价值,并验证“结构-功能-分子”级联假说。研究背景指出 DPN 是糖尿病高致残性并发症且缺乏疾病修饰治疗,早期检测需求迫切;既往发现 DPN 大鼠 N/OFQ 升高与肢体血流减少相关,由 MME 介导,本研究转向神经机制并通过独立生物信息学分析确定 MMP9 为核心靶点。数据可用于 DPN 早期诊断与靶基因关联的预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:糖尿病周围神经病变(DPN)。本研究是一项前瞻性、观察性、横断面调查,旨在通过整合生物信息学来源的分子标志物,探索高频超声对 2 型糖尿病周围神经病变(DPN)患者的早期诊断价值。研究旨在验证 DPN 进展的“结构-功能-分子”级联假说。背景与依据:DPN 是糖尿病的一种高度致残性并发症,目前尚无疾病修饰治疗,凸显了早期检测的迫切需求。我们团队此前的工作发现,DPN 大鼠中升高的 N/OFQ 与肢体血流减少相关,由膜金属内肽酶(MME)介导。将焦点从血管机制转向神经机制,本研究采用独立的生物信息学分析,并确定 MMP9 为核心靶点 g
【主题与分类】
主题标签:Diabetic Peripheral Neuropathy (DPN)。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07595887
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/NCT07595887
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:糖尿病周围神经病变(DPN)。本研究是一项前瞻性、观察性、横断面研究,旨在通过整合生物信息学衍生的分子标志物,探索高频超声在2型糖尿病周围神经病变(DPN)患者中的早期诊断价值。本研究旨在验证DPN进展的“结构-功能-分子”级联假说。背景与依据:DPN是糖尿病的一种高度致残性并发症,目前尚无能够改变疾病进程的治疗方法,凸显了早期检测的迫切需求。我们课题组此前的研究发现,DPN大鼠中N/OFQ升高与肢体血流减少相关,并由膜金属内肽酶(MME)介导。本研究将焦点从血管机制转向神经机制,采用独立的生物信息学分析,鉴定出MMP9是将N/OFQ与DPN相关神经损伤联系起来的核心靶基因,并富集于AMPK信号通路。
因此,本临床研究旨在验证MMP9作为血清生物标志物的价值,并探讨其在超声下与坐骨神经横截面积及臀下动脉血流速度在不同DPN严重程度分级中的相关性。研究设计与参与者:将连续从山西医科大学第二医院内分泌科招募120例根据世界卫生组织标准诊断为2型糖尿病的成年患者。分组与评估:参与者将根据多伦多临床评分系统(TCSS)分为三个不同的严重程度等级:1级(0-5分)、2级(6-9分)、3级(≥10分)。每位参与者将接受以下综合评估:1. 人口学与临床数据收集:记录包括年龄、性别、体重指数、糖尿病病程、HbA1c及血脂谱。2. 超声检查:患者取侧卧位(髋关节和膝关节屈曲),将高频线阵探头置于
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。




