特应性皮炎皮肤微生物生态数据集
该数据集来源于 clinicaltrials.gov,聚焦特应性皮炎、银屑病与健康人群的皮肤微生物生态。研究关注金黄色葡萄球菌、凝固酶阴性葡萄球菌及痤疮丙酸杆菌等微生物在皮肤表面的丰度随时间与疾病活动度的变化,并探索可用于识别金黄色葡萄球菌高负荷或预测临床改善的生物标志物

基本信息
资源简介
特应性皮炎皮肤微生物生态数据集
该数据集来源于 clinicaltrials.gov,聚焦特应性皮炎、银屑病与健康人群的皮肤微生物生态。研究关注金黄色葡萄球菌、凝固酶阴性葡萄球菌及痤疮丙酸杆菌等微生物在皮肤表面的丰度随时间与疾病活动度的变化,并探索可用于识别金黄色葡萄球菌高负荷或预测临床改善的生物标志物。数据可用于皮肤疾病微生物组分析、疾病活动度关联研究及生物标志物预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:特应性皮炎、银屑病、健康。尽管目前两种最常见的炎症性皮肤病(AD 和银屑病)通过局部和/或全身治疗已能得到相当有效的控制,但这种疾病改善如何反映在皮肤微生物病原体和共生菌的变化中仍未被充分了解。我们有若干目标。目标 1——确定皮肤表面金黄色葡萄球菌、其他感兴趣的微生物(包括但不限于凝固酶阴性葡萄球菌属 [CONS])以及痤疮丙酸杆菌的丰度如何随时间和/或疾病活动度在 AD、斑块期银屑病(PS)和健康非特应性人群(NA)中变化。目标 2——验证某一生物标志物(或标志物组合)能否识别金黄色葡萄球菌负荷(例如丰度)更高的受试者。目标 3——识别能够预测我们在 AD 或 PS 受试者中观察到的临床改善的生物标志物(或标志物组合)。目标 4——Quant
【主题与分类】
主题标签:Atopic Dermatitis、Psoriasis、Healthy。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04170244
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/NCT04170244
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:特应性皮炎、银屑病、健康。尽管这两种最常见的炎症性皮肤病(AD和银屑病)目前通过局部和/或系统性治疗已能得到相当有效的控制,但这种疾病改善如何反映在皮肤微生物病原体和共生菌的变化上仍不十分清楚。我们有若干目标。目标1——确定金黄色葡萄球菌、其他感兴趣的微生物(包括但不限于凝固酶阴性葡萄球菌属[CONS])以及痤疮丙酸杆菌在皮肤表面的丰度如何随时间和/或疾病活动度在AD、斑块期银屑病(PS)和健康非特应性人群(NA)中变化。目标2——验证某一生物标志物(或标志物组合)是否能识别金黄色葡萄球菌负荷(如丰度)较高的受试者。目标3——识别一种能预测我们AD或PS受试者中观察到的临床改善的生物标志物(或标志物组合)。目标4——从所有三组受试人群的皮肤拭子中定量金黄色葡萄球菌的毒力因子。探索性目标5——建立一个皮肤微生物库(可选),我们将重点关注AD和PS患者以及年龄和性别匹配的健康NA中金黄色葡萄球菌与其他微生物之间的相互作用。
探索性目标6——建立一个皮肤胶带条样本库,用于生物标志物和蛋白酶检测。探索性目标7——(可选入组)——在离体感染HSV-1后,从AD皮肤中识别出健康非AD、NA对照皮肤样本中未发现的独特皮肤上皮基因特征。这项工作的次要目标是评估真实世界治疗如何影响这些观察结果。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




