成人全生命周期亚临床动脉粥样硬化患病率检测——REACT 第一阶段
该数据集来自 clinicaltrials.gov，为 REACT（DETECT，第一阶段）多中心丹麦-西班牙前瞻性队列研究，纳入 18 至 70 岁无已知动脉粥样硬化性心血管疾病（ASCVD）的成人，按五个预设年龄层（18-29、30-39、40-49、50-59、60-70 岁）入组，每层男女数
基本信息
资源简介
成人全生命周期亚临床动脉粥样硬化患病率检测——REACT 第一阶段
该数据集来自 clinicaltrials.gov，为 REACT（DETECT，第一阶段）多中心丹麦-西班牙前瞻性队列研究，纳入 18 至 70 岁无已知动脉粥样硬化性心血管疾病（ASCVD）的成人，按五个预设年龄层（18-29、30-39、40-49、50-59、60-70 岁）入组，每层男女数量大致相等。研究设计在丹麦四个中心和西班牙四个中心招募，18-29 岁与 60-70 岁层各约 2,000 人，30-39、40-49、50-59 岁层各约 4,000 人。所有参与者接受颈动脉与股动脉三维血管超声、冠状动脉计算机断层扫描血管造影（CCTA）及非增强计算机断层扫描等多模态影像检查，用于亚临床动脉粥样硬化的检测与患病率评估（。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Atherosclerosis、Subclinical Atherosclerosis、Cardiovascular Diseases。REACT（DETECT，第一阶段）是一项多中心丹麦-西班牙前瞻性队列研究。纳入 18 至 70 岁无已知动脉粥样硬化性心血管疾病（ASCVD）的成人，按五个预设年龄层（18-29、30-39、40-49、50-59、60-70 岁）入组，每层中女性和男性数量大致相等。入组设计事先设定为在丹麦四个中心和西班牙四个中心共纳入 18-29 岁和 60-70 岁层各约 2,000 名参与者，30-39、40-49 和 50-59 岁层各约 4,000 名参与者。所有参与者均接受针对亚临床动脉粥样硬化的多模态影像检查：颈动脉和股动脉的三维血管超声、冠状动脉计算机断层扫描血管造影（CCTA），以及非增强计算机断层扫描用于
【主题与分类】
主题标签：Atherosclerosis、Subclinical Atherosclerosis、Cardiovascular Diseases。本站分类：循环系统疾病/其他。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06692127
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/NCT06692127
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：动脉粥样硬化、亚临床动脉粥样硬化、心血管疾病。REACT（DETECT，I期）是一项丹麦-西班牙多中心前瞻性队列研究。纳入18至70岁、无已知动脉粥样硬化性心血管疾病（ASCVD）的成年人，按五个预设年龄分层（18-29、30-39、40-49、50-59、60-70岁）入组，每个分层中女性和男性数量大致相等。入组设计事先设定为：在丹麦四个中心和西班牙四个中心，18-29岁和60-70岁分层各纳入约2，000名参与者，30-39、40-49和50-59岁分层各纳入约4，000名参与者。所有参与者均接受针对无症状动脉粥样硬化的多模态影像学检查：颈动脉和股动脉三维血管超声、冠状动脉计算机断层扫描血管成像（CCTA）、用于冠状动脉钙化评分（CACS）的非增强计算机断层扫描，同时进行广泛的临床、生活方式、心理和生物学（血液、尿液、DNA）表型分析。参与者于2024年11月至2026年6月期间入组。
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。
