Graz糖尿病登记生物标志物研究数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT05324488

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：1型糖尿病、2型糖尿病、肥胖。肥胖和糖尿病可能是21世纪公共卫生面临的最严峻挑战。尽管已确立的心血管危险因素得到了良好控制，但糖尿病患者中的残余风险显著高于非糖尿病患者，并且已经充分证实，使用已确立危险因素的当前心血管疾病风险预测模型并不能完全解释未来的心血管风险。因此，需要用于更好风险分层的生物标志物，尤其是在糖尿病患者中。前瞻性队列研究——对受试者进行细致的临床表型分析、定期随访并收集生物标志物样本——是寻找能够预测治疗反应及未来微血管和大血管并发症的新生物标志物组合的关键方法之一。格拉茨生物标志物研究糖尿病注册研究于2015年11月启动。

在格拉茨大学医院糖尿病、脂质与代谢紊乱门诊部或圣拉德贡德康复中心，招募了1型、2型糖尿病、罕见类型糖尿病、肥胖或血脂异常受试者。截至2021年9月，已招募1250名受试者。在基线和年度随访时收集血液和尿液样本，以及病史、诊断和用药数据。

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。