皮下脂肪的非侵入性冷却
该数据集来自 clinicaltrials.gov，主题为脂肪疾病，聚焦于使用 Zeltiq Dermal Cooling 设备进行非侵入性冷却以评估冷暴露是否能够稳定减少皮下脂肪
基本信息
资源简介
皮下脂肪的非侵入性冷却
Non-invasive Cooling of Subcutaneous Fat 是一个以脂肪疾病为主题的数据集，来源于 clinicaltrials.gov。该数据集围绕一项临床研究展开，其核心目的是评估一种非侵入性冷却设备，即 Zeltiq Dermal Cooling 设备，考察冷暴露是否能够稳定地带来皮下脂肪的减少。数据集在分类上归属于皮肤与结缔组织疾病下的皮下脂肪疾病方向，主题标签为 Fat Disorder。整体而言，该数据集记录和反映的是针对脂肪疾病开展的非侵入性冷却干预研究的相关信息，适合关注皮下脂肪减少、非侵入性冷却技术以及相关临床研究的人群参考使用。
【数据集背景】
该数据集对应的研究关注脂肪疾病（Fat Disorder）这一主题。根据源站描述，研究的目的是评估一种非侵入性冷却设备，判断冷暴露是否能够稳定地导致皮下脂肪减少，所采用的设备为 Zeltiq Dermal Cooling 设备。数据集所属分类为皮肤与结缔组织疾病 / 皮下脂肪疾病，主题标签为 Fat Disorder。这一背景表明，数据集所承载的内容与皮下脂肪相关的疾病和研究直接相关，聚焦于通过非侵入性冷却方式对皮下脂肪进行干预的探索。
【数据内容】
该数据集的主题标签为 Fat Disorder，所属分类为皮肤与结缔组织疾病 / 皮下脂肪疾病。源站描述提及的研究条件为 Fat Disorder，研究目的为评估非侵入性冷却设备，考察冷暴露是否能够稳定减少皮下脂肪，涉及的具体设备为 Zeltiq Dermal Cooling 设备。除上述信息外，数据集所包含的具体字段、记录条数、变量类型等详细内容，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述中给出的研究条件为 Fat Disorder，研究目的为评估一种非侵入性冷却设备，以确定冷暴露是否能够稳定地导致皮下脂肪减少，所使用的设备为 Zeltiq Dermal Cooling 设备。关于采集时间、采集方法、样本量、研究地点等具体采集细节，源站未提供。
【适用场景】
基于现有信息，该数据集适用于与脂肪疾病、皮下脂肪减少以及非侵入性冷却技术相关的参考场景，尤其是围绕 Zeltiq Dermal Cooling 设备评估冷暴露对皮下脂肪影响的研究方向。其分类归属皮肤与结缔组织疾病 / 皮下脂肪疾病，主题标签为 Fat Disorder，可供关注该领域临床研究信息的使用者参考。关于更具体的适用场景说明，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据读取方式、字段说明、分析流程等均未在现有信息中体现。
【质量与限制】
源站未提供关于该数据集质量评估与使用限制的说明。现有信息仅涵盖数据集名称、分类、来源站、源站描述及主题标签等内容，其他质量相关指标与限制条件源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT00762307
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：脂肪紊乱。本研究的目的是评估一种非侵入性冷却装置，以确定使用Zeltiq皮肤冷却装置进行冷暴露是否会一致地导致皮下脂肪减少。
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。
