Olistic_2025 用于脱发、头发生长与皮肤改善的数据集
该数据集来自 clinicaltrials.gov,聚焦女性脱发、头发生长与皮肤改善相关研究,涉及女性型脱发(FPHL)与皮肤老化等多因素过程

基本信息
资源简介
Olistic_2025 用于脱发、头发生长与皮肤改善的数据集
该数据集来自 clinicaltrials.gov,聚焦女性脱发、头发生长与皮肤改善相关研究,涉及女性型脱发(FPHL)与皮肤老化等多因素过程。源站描述涵盖遗传、激素、年龄等内在因素及紫外线、环境压力、生活方式等外在因素,并提及含胶原来源氨基酸、植物提取物、维生素和矿物质的营养补充剂作为由内改善头发与皮肤参数的支持策略,研究设计为双盲、安慰剂对照、1:1 随机化的化妆品试验。数据可用于脱发与皮肤老化相关主题的分类或预测建模探索(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:头发护理、脱发、女性型脱发。女性脱发和皮肤老化是多因素过程,受内在因素(遗传、激素变化、时序性衰老)和外在因素(紫外线暴露、环境压力源、生活方式)影响。女性型脱发(FPHL)的特征是逐渐变薄和毛发密度降低,通常与终毛/毳毛比例下降以及生长期/休止期平衡变化相关。与此同时,皮肤老化表现为皱纹、弹性和紧致度丧失、水合作用降低以及屏障功能改变。含有生物活性化合物(如胶原来源氨基酸、植物提取物、维生素和矿物质)的营养补充剂已被提出作为一种支持性策略,从内部改善头发和皮肤参数。在这项双盲、安慰剂对照、1:1 随机化的化妆品
【主题与分类】
主题标签:Hair Care、Hair Loss、Female Pattern Hair Loss。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07300813
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/NCT07300813
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:护发、脱发、女性型脱发。女性脱发与皮肤老化是多因素过程,受内在因素(遗传、激素变化、时间性衰老)和外在因素(紫外线暴露、环境应激源、生活方式)影响。女性型脱发(FPHL)的特征是头发逐渐变细和毛发密度降低,常伴有终毛/毳毛比例下降以及生长期/休止期平衡的改变。与此同时,皮肤老化表现为皱纹、弹性和紧致度丧失、水合作用降低以及屏障功能改变。含有生物活性化合物(如胶原蛋白衍生氨基酸、植物提取物、维生素和矿物质)的营养保健品已被提出作为一种支持性策略,从内部改善头发和皮肤参数。在这项双盲、安慰剂对照、1:1随机化的美容研究中,研究人员将评估口服补充剂“Olistic Next Women”对具有初期FPHL的健康成年女性脱发/毛发生长及与年龄相关的皮肤参数的功效。
100名年龄在50-65岁、经皮肤科评估确诊为早期女性型脱发(FPHL)的志愿者,将在签署书面知情同意书并符合预设纳入和排除标准后,于Bionos Biotech S.L.(西班牙瓦伦西亚)入组。参与者将被随机分配接受Olistic Next Women或匹配的安慰剂,每天服用一瓶,连续28天,随后每月休息2天,总治疗时长为6个月。产品和安慰剂的生产符合欧盟关于安全性、微生物学、过敏原和重金属的相关法规。将在基线和随访访视时进行头发和皮肤评估,以便对活性组和安慰剂组进行随时间推移的比较。皮肤科医生将进行初始头发评估,随后在多个时间点进行标准化测量。在基线(D0)、第3个月(D90)和第6个月(D180),头发密度和g
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。




