婴儿生命前6个月血管瘤生长研究
该数据集来自 clinicaltrials.gov,聚焦婴儿血管瘤在生命早期(尤其3个月前)的生长特征。源站描述指出,多数血管瘤出生时不可见或仅呈轻微痕迹,既往研究显示3个月时已达最终大小的80%,5个月时80%已停止生长,而患儿平均就诊年龄常为5个月或更晚

基本信息
资源简介
婴儿生命前6个月血管瘤生长研究
该数据集来自 clinicaltrials.gov,聚焦婴儿血管瘤在生命早期(尤其3个月前)的生长特征。源站描述指出,多数血管瘤出生时不可见或仅呈轻微痕迹,既往研究显示3个月时已达最终大小的80%,5个月时80%已停止生长,而患儿平均就诊年龄常为5个月或更晚。加州大学旧金山分校、威斯康星医学院和梅奥诊所的研究者希望研究3个月前的更早期生长情况。数据可用于分析血管瘤早期生长规律、支持早期识别与随访研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:婴儿血管瘤。婴儿血管瘤最重要且独特的特征之一是其在小婴儿期急剧生长。大多数血管瘤在出生时不存在,或仅表现为不易察觉的小抓痕或瘀伤样区域。近期一项研究强调了血管瘤早期生长如何发生。在这项研究中,到3月龄时,血管瘤已达到其最终大小的80%;到5月龄时,80%已停止生长。遗憾的是,大多数婴儿被专科医生接诊的平均年龄常为5月龄或更晚,此时大部分生长已经完成。加利福尼亚大学旧金山分校、威斯康星医学院和梅奥诊所的研究人员有兴趣研究更早年龄(3月龄之前)的血管瘤生长,即在大多数患者被皮肤科医生或其他
【主题与分类】
主题标签:Hemangiomas of Infancy。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00911781
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/NCT00911781
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
背景:婴幼儿血管瘤。婴幼儿血管瘤最重要且独特的特征之一,是在婴儿早期出现显著增长。大多数血管瘤在出生时并不存在,或仅表现为几乎难以察觉的小抓痕或类似瘀伤的区域。近期一项研究强调了血管瘤早期增长的发生方式。在这项研究中,至3月龄时,血管瘤已达到其最终大小的80%;至5月龄时,80%的血管瘤已停止生长。遗憾的是,大多数婴儿被专科医生接诊的平均年龄往往已是5月龄或更晚,而此时大部分生长已经完成。加利福尼亚大学旧金山分校、威斯康星医学院和梅奥诊所的研究人员有兴趣研究更早年龄阶段、即3月龄之前的血管瘤生长情况,这一阶段早于大多数患者被皮肤科医生或其他专科医生接诊的时间。为此项研究,我们请求3月龄以上血管瘤患儿的父母向我们发送一系列能够展示其孩子早期生长的照片。
理想情况下,照片应展示您的孩子(当然包括血管瘤区域),以每周或每两周一次的间隔拍摄,直至至少3至6个月大。如果血管瘤位于面部,这大概不难做到,但如果有其他身体部位的照片,我们也同样感兴趣。我们使用这些照片来分析早期血管瘤的生长模式,查看是否存在一个生长特别快速的时期,并帮助确定是否有一个特定的时间点,在此之前应进行专科转诊。我们对所有大小的血管瘤都感兴趣,从小型到大型。最重要的是照片拍摄间隔要频繁(每1至2周一次最为理想),且质量要足够好,能够评估血管瘤的外观。
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。




