家族性胸主动脉瘤与主动脉夹层—基因-疾病关联数据

数据集获取（Figshare）

• 源站标题：Data Sheet 1_Exploratory machine learning analysis to characterize angioscopic features associated with atherosclerosis-related aortic dissection: an exploratory single-center angioscopic study.docx
• DOI：10.3389/fcvm.2026.1784239.s001
• 发布日期：2026-05-07
• 文件数：1 个
• 文件总体积：1.05 MB
• 源站页面：https://frontiersin.figshare.com/articles/dataset/Data_Sheet_1_Exploratory_machine_learning_analysis_to_characterize_angioscopic_features_associated_with_atherosclerosis-related_aortic_dissection_an_exploratory_single-center_angioscopic_study_docx/32197050

命令行下载

curl -L -o "Data Sheet 1_Exploratory machine learning analysis to characterize angioscopic features associated with atherosclerosis-related aortic dissection: an .docx" "https://ndownloader.figshare.com/files/64320096"

文件清单

• Data Sheet 1_Exploratory machine learning analysis to characterize angioscopic features associated with atherosclerosis-related aortic dissection: an .docx（1.05 MB）

文件总体积 1.05 MB（源站 API 实测）。

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。

数据说明

目的主动脉夹层（AD）是一种危及生命的疾病。非阻塞性通用血管镜（NOGA）能够直接观察自发性破裂的主动脉斑块及损伤（SRAPIs）。本研究评估了SRAPIs对AD的诊断潜力及病理生理相关性。方法本单中心、横断面观察性初步研究纳入56例AD患者和444例接受NOGA检查的冠状动脉疾病对照患者。由于NOGA需要侵入性导管操作，健康志愿者无法在伦理上纳入。SRAPIs被分为13种类型，并采用机器学习分析其在主动脉及双侧髂总动脉中的发生情况。构建了基于随机森林的分类模型，并采用最小绝对收缩和选择算子（LASSO）回归进行特征选择。应用SHapley加法解释（SHAP）和置换重要性来解释特征贡献。结果壁内血肿（IB）被确认为与AD相关的最一致且最具影响力的SRAPI，而 puff征（P）和鲑鱼粉色外观（SP）也显示出较强的重要性。

裂隙出血（FB）发生频率很高，但在不同分析方法中显示出可变的重要性。网络分析表明，SMOTE处理后结构关系得以保留，且AD组与对照组之间呈现不同模式。结论AD中的主动脉损伤可能涉及以IB和SP为代表的亚内膜损伤、以P为代表的血液或纤维蛋白黏附于受损血管壁。FB可能反映一种关键但非线性的病理状态，而非单纯的定量标志物。这些发现反映的是一个经过筛选的稳定期队列，需要在更大规模的多中心研究中加以验证。

许可

CC BY 4.0

引用

学术使用请引用 DOI 10.3389/fcvm.2026.1784239.s001（source: https://frontiersin.figshare.com/articles/dataset/Data_Sheet_1_Exploratory_machine_learning_analysis_to_characterize_angioscopic_features_associated_with_atherosclerosis-related_aortic_dissection_an_exploratory_single-center_angioscopic_study_docx/32197050）。