先天性肾脏和尿路畸形患者的超声定位显微镜数据集
该数据集来自 clinicaltrials.gov,聚焦先天性肾脏和尿路畸形(CAKUT)患者,涵盖先天性下尿路梗阻、肾盂输尿管连接部梗阻及先天性肾积水等病种

基本信息
资源简介
先天性肾脏和尿路畸形患者的超声定位显微镜数据集
该数据集来自 clinicaltrials.gov,聚焦先天性肾脏和尿路畸形(CAKUT)患者,涵盖先天性下尿路梗阻、肾盂输尿管连接部梗阻及先天性肾积水等病种。源站描述指出 CAKUT 影响 0.5% 的新生儿,占全部先天畸形的 20%,与慢性肾衰竭、透析需求及显著升高的死亡率和发病率相关,在欧洲是透析依赖型慢性肾衰竭的首要病因。数据可用于相关疾病研究与分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:先天性肾脏和尿路畸形、先天性下尿路梗阻、肾盂输尿管连接部梗阻、先天性肾积水。先天性肾脏和尿路畸形(CAKUT)影响 0.5% 的新生儿,占全部先天畸形的 20%。这些疾病与慢性肾衰竭、透析需求以及显著增加的死亡率(比健康同龄人高 30 倍)和发病率相关。CAKUT 患者因终身治疗需求而面临巨大的健康和社会经济负担。在欧洲,CAKUT 是透析依赖型慢性肾衰竭的首要原因。所有 CAKUT 疾病均起源于子宫内,干扰肾脏发育并导致肾单位形成减少。许多先天性肾脏异常通过产前超声诊断。这些异常包括肾盂输尿管连
【主题与分类】
主题标签:Ureteropelvic Junction Obstruction、Hydronephrosis Congenital。本站分类:泌尿生殖系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06921733
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/NCT06921733
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:先天性肾脏和泌尿道畸形、先天性下尿路梗阻、肾盂输尿管连接部梗阻、先天性肾积水。先天性肾脏和泌尿道畸形(CAKUT)影响0.5%的新生儿,占所有先天性畸形的20%。这些疾病与慢性肾衰竭、需要透析以及显著增加的死亡率(比健康同龄人高30倍)和发病率相关。CAKUT患者因终身治疗需求而面临巨大的健康和社会经济负担。在欧洲,CAKUT是透析依赖性慢性肾衰竭的主要原因。所有CAKUT疾病均发生于子宫内,干扰肾脏发育并导致肾单位形成减少。许多先天性肾脏异常通过产前超声诊断。这些异常包括肾盂输尿管连接部梗阻(通常表现为单侧肾积水)和后尿道瓣膜(可伴有巨膀胱和双侧肾积水)。
由此产生的尿路梗阻可在胎儿发育期间对肾组织造成压力损伤,进一步减少功能性肾单位数量。出生后,持续的压力损伤可导致肾脏重塑。肾单位数量减少和肾脏重塑会增加长期肾功能不全的风险,而目前仅通过血清肌酐水平进行评估——这些指标在婴幼儿中存在滞后性且敏感性较低。目前尚缺乏可靠的生物标志物来评估肾单位数量减少或肾脏重塑,以预测CAKUT患者发生慢性肾损伤的风险。目前,超声可检测到的尿路梗阻的实际压力影响只能通过MAG-3闪烁显像评估尿流模式来实现。然而,该方法依赖于肾功能,而肾功能可影响放射性药物的摄取和排泄,进而影响结果的评估。静脉使用超声造影剂作为辅助手段,为记录肾脏组织灌注(包括最小血管)提供了可能,且不依赖于
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。




