非酒精性脂肪肝患者的动态餐后代谢研究
该数据集来自 clinicaltrials.gov,聚焦非酒精性脂肪肝(NAFLD)患者餐后动态代谢反应的研究。源站描述指出,NAFLD 是西方最常见的肝脏疾病,也是肝脏相关发病和死亡的主要原因;过量热量摄入及特定营养成分与发病机制有关,但连接营养摄入与肝脏脂肪堆积的复杂代谢通路尚未完全阐明

基本信息
资源简介
非酒精性脂肪肝患者的动态餐后代谢研究
该数据集来自 clinicaltrials.gov,聚焦非酒精性脂肪肝(NAFLD)患者餐后动态代谢反应的研究。源站描述指出,NAFLD 是西方最常见的肝脏疾病,也是肝脏相关发病和死亡的主要原因;过量热量摄入及特定营养成分与发病机制有关,但连接营养摄入与肝脏脂肪堆积的复杂代谢通路尚未完全阐明。既往病理生理与生物标志物研究多集中于空腹样本,除葡萄糖耐量试验外,对热量负荷的动态反应尚未被充分探究。代谢组学作为高通量技术,可同时检测数百至数千种代谢物并评估其关联与因果关系。该研究拟开展一项初步研究,以探究相关代谢反应(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Liver Disease, Fatty Liver. 非酒精性脂肪肝(NAFLD)是西方世界最常见的肝脏疾病,也是肝脏相关发病和死亡的主要原因。过量热量摄入及特定营养成分被认为与其发病机制有关,但将营养消耗与肝脏脂肪堆积联系起来的复杂代谢通路尚未完全阐明。NAFLD 的病理生理学分析和生物标志物寻找在很大程度上集中于空腹样本;除葡萄糖耐量试验外,对热量负荷的动态反应尚未被探究。代谢组学是一种新型高通量技术,可同时检测数百至数千种代谢物,并评估其相互关联性和因果关系。我们拟开展一项初步研究,以探究代谢反应
【主题与分类】
主题标签:Liver Disease、Fatty Liver。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02520609
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/NCT02520609
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:肝病、脂肪肝。非酒精性脂肪性肝病(NAFLD)是西方国家最常见的肝脏疾病,也是导致肝脏相关发病率和死亡率的主要原因。过量热量摄入及特定营养成分与其发病机制有关,但将营养物质消耗与肝脏脂肪积累联系起来的复杂代谢途径尚未完全阐明。NAFLD的病理生理学分析和生物标志物探索主要集中在空腹样本上;除葡萄糖耐量测试外,对热量负荷的动态反应尚未被研究。代谢组学是一种新型高通量技术,能够同时检测数百至数千种代谢物,并评估它们之间的相互联系和因果关系。我们提出一项初步研究,通过应用基于代谢组学的动态方法,探讨NAFLD患者对标准化食物挑战的代谢反应。在这项研究中,我们将招募最多50名NAFLD患者,并将其与12名患有代谢综合征但无NAFLD的对照者以及12名健康对照者进行比较。
经过一夜禁食后,受试者将被安置在代谢舱内,以连续测量代谢率,并在15分钟内给予一份含有约每日热量需求30%的液体混合餐。将以1分钟分辨率测量能量消耗(EE)和呼吸商(RQ),后者反映对碳水化合物或脂肪氧化的偏好。将在基线以及摄入后30分钟、1、2、4和24小时抽血。血浆将被分离并储存在-80(Infinite)C中。招募完成后,储存的样本将在NCI代谢实验室通过LC/MS和GC/MS进行分析,鉴定感兴趣的代谢物,并对单个代谢物进行定量,并以其餐前水平进行归一化。研究结果有望识别出新的疾病代谢标志物,并且
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。




