脂肪移植物联合脂肪源性再生细胞用于儿童软组织重建
该数据集来自 clinicaltrials.gov,主题为脂肪移植物联合脂肪源性再生细胞(ADRC)用于儿童软组织重建,所属分类为口颌系统疾病下的半面短小症,相关疾病为 Craniofacial Microsomia

基本信息
资源简介
脂肪移植物联合脂肪源性再生细胞用于儿童软组织重建
该数据集来自 clinicaltrials.gov,主题为脂肪移植物联合脂肪源性再生细胞(ADRC)用于儿童软组织重建,所属分类为口颌系统疾病下的半面短小症,相关疾病为 Craniofacial Microsomia。源站描述指出,为克服脂肪移植临床结果不可预测、移植物存活率低等问题,已有离心、过滤或重力沉降浓缩活组织并去除多余成分、用外部机械力扩张受区组织及覆盖皮肤、以及局部重复注射促红细胞生成素可能增强移植脂肪保留等尝试;基于抽吸脂肪组织中 ADRC 数量远少于完整组织且这些细胞在脂肪注射后脂肪组织重塑中起关键作用,该研究进一步展开(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:半面短小症。为克服与脂肪移植相关的问题,如临床结果不可预测和移植物存活率低,已有许多创新性尝试和手术技术改进被报道。例如,已通过离心、过滤或重力沉降来浓缩活组织并去除不必要的成分;已使用外部机械力来扩张受区组织以及覆盖其上的皮肤包膜;并且最近一项实验研究表明,重复局部注射促红细胞生成素可能增强移植脂肪的保留。基于抽吸脂肪组织与完整组织相比含有数量少得多的脂肪源性再生细胞(ADRC),且这些细胞在脂肪注射后脂肪组织重塑中起关键作用这一发现,该supp
【主题与分类】
主题标签:Craniofacial Microsomia。本站分类:口颌系统疾病/半面短小症。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03806361
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/NCT03806361
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:颅面短小症。为克服与脂肪移植相关的问题,如临床结果不可预测和移植脂肪存活率低,已有许多创新尝试和技术改进的报道。例如,通过离心、过滤或重力沉降来浓缩活体组织并去除不必要的成分;使用外部机械力扩张受区组织及覆盖其上的皮肤包膜;近期一项实验研究提示,重复局部注射促红细胞生成素可能增强移植脂肪的存留。基于抽吸脂肪组织中脂肪源性再生细胞(ADRC)数量远少于完整组织,且这些细胞在脂肪注射后脂肪组织重塑中起关键作用的发现,有人提出以从吸脂抽吸物脂肪部分分离的基质血管成分补充脂肪移植物,作为补偿其ADRC相对不足的方法。
在文献中,至少有3项实验研究表明,补充脂肪祖细胞可增加存活脂肪组织的体积或重量,而ADRC临床应用的初步报告提示,该方法对于软组织填充可能是可行且有效的。然而,由于这些研究属于IV级证据,相当于病例系列的发表,因此缺乏将这种方法与当前标准技术进行比较的随机对照临床试验。因此,本研究旨在填补这一空白,通过探讨一种新的ADRC分离方案及其与脂肪组织联合应用,是否能改善颅面短小症儿科患者移植物的长期保留率。
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。




