血清VEGF-A与VCAM-1水平与斑秃甲襞毛细血管镜改变的相关性研究
该数据集来自clinicaltrials.gov,聚焦斑秃(Alopecia Areata)患者血清VEGF-A与VCAM-1水平与甲襞毛细血管镜改变之间的关联

基本信息
资源简介
血清VEGF-A与VCAM-1水平与斑秃甲襞毛细血管镜改变的相关性研究
该数据集来自clinicaltrials.gov,聚焦斑秃(Alopecia Areata)患者血清VEGF-A与VCAM-1水平与甲襞毛细血管镜改变之间的关联。研究纳入60例斑秃患者和30例年龄、性别匹配的健康志愿者,并按病程将患者分为急性组(病程不足6个月)和慢性组(病程6个月及以上)。数据涵盖皮肤科与毛发镜检查和脱发严重程度评估,可用于探索斑秃的系统性与局部血管因素,支持疾病机制与生物标志物相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:斑秃、斑秃(AA)、斑秃(AA)。斑秃(AA)是一种常见的自身免疫性非瘢痕性脱发。尽管确切病因未知,但认为炎症和微血管(小血管)改变起重要作用。本研究旨在探讨该病的全身和局部血管成分。研究纳入60例确诊斑秃患者和30例年龄、性别匹配的健康志愿者。根据病程将患者分为两组:急性组:病程小于6个月的患者。慢性组:病程6个月及以上的患者。方法与流程:皮肤科与毛发镜检查:所有患者均使用Dermlite 5皮肤镜进行临床检查。脱发严重程度通过计算
【主题与分类】
主题标签:Alopecia Areata、Alopecia Areata(AA)、Alopecia Areata (AA)。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07499713
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/NCT07499713
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:斑秃、斑秃(AA)、斑秃(AA)。斑秃(AA)是一种常见的自身免疫性非瘢痕性脱发。尽管确切病因尚不明确,但一般认为炎症及微血管(小血管)改变在其中起重要作用。本研究旨在探讨该病的全身及局部血管因素。研究纳入60例确诊为斑秃的患者及30例年龄、性别相匹配的健康志愿者。根据病程将患者分为两组:急性组:病程少于6个月的患者。慢性组:病程6个月及以上的患者。方法与步骤:皮肤科及毛发镜检查:所有患者均使用Dermlite 5皮肤镜进行临床检查。脱发严重程度采用SALT(脱发严重程度工具)评分计算。根据Rudnicka标准记录疾病活动的毛发镜标志,包括黑点、黄点、感叹号发、断发、毳毛及猪尾发。
甲襞毛细血管镜检查:为评估局部微血管改变,使用Dino-Lite数码显微镜(50倍放大)进行甲襞毛细血管镜检查。检查在温度控制室(20-23 °C)中经过15分钟适应期后,对双手第2至第5指进行检查。记录毛细血管扩张、迂曲、出血和无血管区等形态学改变。“异常模式”定义为至少两个手指中存在两项或以上异常。生化分析:采集所有参与者的静脉血样本。离心后分离血清并储存于-80 °C。采用ELISA法测定血清中血管内皮生长因子A(VEGF-A)和血管细胞黏附分子1(VCAM-1)的水平。本研究将分析这些生化标志物、毛发镜活动性征象与
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。




