Regeneron AA 多中心(Dupilumab)数据集

该数据集来自 clinicaltrials.gov,为一项针对斑秃(Alopecia Areata)的前瞻性、随机、双盲、安慰剂对照临床试验

Emma GuttmanEmma Guttman
clinicaltrials
浏览 3
其他预测Alopecia Areata
Regeneron AA Multicenter (Dupilumab)

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-23

资源简介

Regeneron AA 多中心(Dupilumab)数据集

该数据集来自 clinicaltrials.gov,为一项针对斑秃(Alopecia Areata)的前瞻性、随机、双盲、安慰剂对照临床试验。研究在4个中心开展,计划入组68例中重度斑秃患者(筛查时头皮受累超过50%),目标完成48周随访的受试者为54例。受试者按2:1随机接受每周Dupilumab或安慰剂治疗48周,完成者再接受48周Dupilumab治疗至第96周。数据可用于评估Dupilumab治疗斑秃的疗效与安全性,支持治疗反应预测等分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:斑秃。这是一项前瞻性、随机、双盲、安慰剂对照临床试验。研究将在4个中心开展。本试验将在筛查时共入组68例中重度斑秃(AA)患者(头皮受累超过50%),目标为54例完成者完成至第48周。AA受试者必须在最近一次脱发发作后的7年内有毛发再生的证据;并且筛查时IgE≥200和/或有个人和/或家族特应性病史。受试者将按2:1随机分配,接受每周Dupilumab或安慰剂治疗48周,所有完成至第48周参与的受试者将额外接受48周Dupilumab治疗(至第96周)。

【主题与分类】

主题标签:Alopecia Areata。本站分类:皮肤与结缔组织疾病/脱发。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05551793

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT05551793

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:斑秃。这是一项前瞻性、随机、双盲、安慰剂对照临床试验。研究将在4个中心开展。本试验共计划入组68例筛查时患有中重度斑秃(累及头皮面积超过50%)的患者,目标为54例受试者完成至第48周。斑秃受试者须在末次脱发发作后7年内有毛发再生证据;且筛查时IgE≥200和/或有个人和/或家族特应性病史。受试者将按2:1随机分配接受每周一次dupilumab或安慰剂治疗48周,所有完成至第48周参与的受试者将额外接受48周的dupilumab治疗(至第96周)。

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。

获取专属数据定制方案