间充质干细胞治疗喉气管狭窄数据集
该数据集来源于 clinicaltrials.gov，主题为利用间充质干细胞治疗慢性喉气管狭窄。数据涉及气管狭窄、喉狭窄与间充质干细胞，评估嗅黏膜来源间充质干细胞疗法的安全性与有效性
基本信息
资源简介
间充质干细胞治疗喉气管狭窄数据集
该数据集英文名为 Treatment of Laryngotracheal Stenosis Using Mesenchymal Stem Cells，来源于 clinicaltrials.gov，主题为利用间充质干细胞治疗慢性喉气管狭窄。数据涉及气管狭窄、喉狭窄与间充质干细胞，评估嗅黏膜来源间充质干细胞疗法的安全性与有效性。根据源站描述，该试验针对慢性喉气管狭窄患者，所用间充质干细胞通过组织块培养法从嗅黏膜组织活检中获取，自体间充质干细胞在10%人白蛋白溶液中制成生物量，于外科手术中清除肉芽组织后，注射于组织周围及表面的黏膜下。本站将其归类于呼吸道疾病 / 其他。
【数据集背景】
喉气管狭窄是涉及喉部与气管的狭窄性病变，本数据集所对应的试验聚焦慢性喉气管狭窄患者，探索以间充质干细胞为基础的疗法。源站描述列出的疾病条件包括气管狭窄、喉狭窄，干预相关主题为间充质干细胞。该试验的核心目的是评估嗅黏膜来源间充质干细胞疗法用于慢性喉气管狭窄患者的安全性与有效性。
【数据内容】
数据集主题标签包括气管狭窄、喉狭窄与间充质干细胞。源站描述说明，试验评估的是基于嗅黏膜来源间充质干细胞的方法用于慢性喉气管狭窄患者的安全性与有效性；间充质干细胞取自嗅黏膜组织活检，采用组织块培养法获得；自体间充质干细胞在10%人白蛋白溶液中形成生物量，并在外科手术清除肉芽组织后，注射到组织周围及上方的黏膜下。除上述内容外，源站未提供具体受试者数量、分组方式、结局指标、随访时长等数据细节。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述表明，间充质干细胞的获取方式为嗅黏膜组织活检并结合组织块培养法，所用细胞为自体来源，并以10%人白蛋白溶液承载。干预在外科手术过程中实施，先清除肉芽组织，再将细胞生物量注射于组织周围及表面的黏膜下。关于数据采集的具体时间范围、采集机构与采集流程，源站未提供。
【适用场景】
该数据集适用于关注慢性喉气管狭窄干细胞治疗的研究与信息检索场景，可支持对气管狭窄、喉狭窄及间充质干细胞相关试验信息的查阅。其内容可用于了解嗅黏膜来源自体间充质干细胞在喉气管狭窄外科干预中的使用方式，包括组织块培养法获取细胞、以10%人白蛋白溶液承载细胞生物量以及黏膜下注射等环节。关于该数据集在其他具体研究或临床应用中的适用性，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，包括数据访问方式、字段结构、数据格式与操作说明等均未说明。
【质量与限制】
源站未提供该数据集的质量评价信息与使用限制说明。就已有描述而言，数据对应一项评估安全性与有效性的试验，但受试者规模、结局数据完整性与偏倚控制等信息均未提供，无法据此判断数据质量。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT03130374
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：气管狭窄、喉狭窄、间充质干细胞。本试验评估嗅黏膜来源间充质干细胞疗法对慢性喉气管狭窄患者的安全性和有效性。间充质干细胞通过组织块培养法从嗅黏膜组织活检中获取。手术干预期间切除肉芽肿组织后，将自体间充质干细胞生物量（溶于10%人白蛋白溶液）黏膜下注射于组织周围及表面。
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。
