男性雄激素性脱发24周治疗研究
参与者按 2:1 比例随机接受新型外用 5% 米诺地尔制剂或安慰剂，疗程 180 天。主要目标是验证实验药物相对于安慰剂的优效性；次要目标包括在治疗开始后 30（±3）、60（±3）、90（±3）和 135（±3）天评估目标区域终毛密度等疗效指标
基本信息
资源简介
男性雄激素性脱发24周治疗研究
该数据集来自 clinicaltrials.gov，聚焦男性雄激素性脱发（Hamilton-Norwood IIIv、IV 或 V 级）的治疗研究。参与者按 2:1 比例随机接受新型外用 5% 米诺地尔制剂或安慰剂，疗程 180 天。主要目标是验证实验药物相对于安慰剂的优效性；次要目标包括在治疗开始后 30（±3）、60（±3）、90（±3）和 135（±3）天评估目标区域终毛密度等疗效指标。数据可用于脱发治疗疗效分析与对照研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：脱发。参与者将按 2:1 的比例随机接受新剂型 5% 米诺地尔和安慰剂。通过这种方法，可以获得关于研究产品有效性的更多信息。MINOX 研究的主要目标是证明一种新的外用 5% 米诺地尔药物剂型（实验药物）在治疗男性雄激素性脱发（Hamilton-Norwood 量表 IIIv、IV 或 V 级）方面，与安慰剂相比，给药 180 天后的优效性。次要目标：1- 通过目标区域的终毛密度，在治疗开始后 30（±3）、60（±3）、90（±3）和 135（±3）天进行评估，来评价一种新的外用 5% 米诺地尔药物剂型在治疗男性雄激素性脱发方面与安慰剂相比的疗效。2- 评价一种新的外用
【主题与分类】
主题标签：Alopecia。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/NCT04721548
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/NCT04721548
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：脱发。受试者将按2：1的比例随机分配，分别接受新型药物制剂5%米诺地尔和安慰剂。通过此方法，可以获得关于研究产品有效性的更多信息。MINOX研究的主要目的是证明新型局部用5%米诺地尔药物制剂（试验药物）在治疗男性雄激素性脱发（Hamilton-Norwood分级IIIv、IV或V级）方面，给药180天后优于安慰剂。次要目的：1-通过评估治疗开始后30（±3）、60（±3）、90（±3）和135（±3）天目标区域的终毛密度，评价新型局部用5%米诺地尔药物制剂与安慰剂相比在治疗男性雄激素性脱发中的有效性。2-通过评估治疗开始后30（±3）、60（±3）、90（±3）、135（±3）和180（±3）天目标区域生长期毛发的百分比，评价新型局部用5%米诺地尔药物制剂与安慰剂相比在治疗男性雄激素性脱发中的有效性。
3- 通过目标区域毛发的平均长度，在治疗开始后30（±3）、60（±3）、90（±3）、135（±3）和180（±3）天进行评估，以评价一种新的5%米诺地尔外用药物剂型与安慰剂相比，在治疗男性雄激素性脱发中的疗效。⚠️研究仅在巴西的研究中心开展（如果您的中心不在巴西，请勿发送电子邮件）。
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。
