全层皮肤微柱手动植入

该数据集来自 clinicaltrials.gov,主题为全层皮肤微柱(FTSM)手动植入,用于皮肤伤口与烧伤的创面覆盖

The Metis FoundationThe Metis Foundation
clinicaltrials
浏览 13
其他回归Wound of SkinBurns
Manual Implantation of Full-Thickness Skin Microcolumns

基本信息

模态
其他
任务类型
回归
创建/更新时间
2026-10-10

资源简介

全层皮肤微柱手动植入

该数据集来自 clinicaltrials.gov,主题为全层皮肤微柱(FTSM)手动植入,用于皮肤伤口与烧伤的创面覆盖。研究计划在 10 例需要组织覆盖的开放伤口患者中,进行手动 FTSM 采集、放置于损伤部位并覆盖惰性敷料,以验证再上皮化时间、色素沉着、伤口收缩、瘢痕厚度、供区疼痛及损伤部位愈合结局等指标。此前已有 3 例患者成功接受 FTSM 治疗,本研究旨在扩大样本以提供更多概念验证数据。数据可用于伤口愈合相关预测与回归分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:皮肤伤口、烧伤。此前已有三名患者成功使用手动 FTSM 进行创面覆盖治疗。为了提供额外的概念验证数据,本研究将在 10 名患者群体中更大规模地验证手动 FTSM 植入。这将通过以下假设参数来衡量:再上皮化时间、色素沉着、伤口收缩、瘢痕厚度、供区疼痛和损伤部位愈合结局。检验这一假设的方法将是对 10 名需要组织覆盖的开放伤口患者进行手动 FTSM 采集、放置于损伤部位、覆盖惰性敷料。其理由是,尽管已经从三名接受 FTSM 植入治疗的患者中获得了初步概念验证数据,但额外的概念验证数据将加强所得出的结论。

【主题与分类】

主题标签:Wound of Skin、Burns。本站分类:损伤、中毒及外因。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05223998

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT05223998

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:皮肤伤口、烧伤。此前已有三名患者通过使用手动FTSM成功进行伤口覆盖治疗。为了提供额外的概念验证数据,本研究将在更大规模的10名患者群体中验证手动FTSM植入。这将通过以下假设参数来衡量:再上皮化时间、色素沉着、伤口收缩、瘢痕厚度、供皮区疼痛及损伤部位愈合结果。检验这一假设的方法将是对10名需要组织覆盖的开放性伤口患者进行手动FTSM采集、放置于损伤部位,并用惰性敷料覆盖。其理由是,尽管已经从三名接受FTSM植入治疗的患者中获得了初步的概念验证数据,但额外的概念验证数据将加强基于这些病例得出的结论。

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。

获取专属数据定制方案