DISCOVERY：ICD患者诊断数据与遗传多态性
DISCOVERY数据集来自clinicaltrials.gov，聚焦ICD患者，涵盖心脏性猝死、心室颤动、心动过速、心房颤动及病态窦房结综合征等循环系统疾病
基本信息
资源简介
DISCOVERY：ICD患者诊断数据与遗传多态性
DISCOVERY数据集来自clinicaltrials.gov，聚焦ICD患者，涵盖心脏性猝死、心室颤动、心动过速、心房颤动及病态窦房结综合征等循环系统疾病。数据涉及GNB3、GNAS、GNAQ等基因的单核苷酸多态性（SNPs），用于评估其预测室性心律失常（<400 msec）、死亡、心脏死亡及房性心律失常的阳性预测值，并探索遗传参数、基线数据与随访数据的最佳组合，以及ICD系统诊断信息（电池状态、阻抗、起搏阈值、感知）的医学影响。可用于遗传与临床数据结合的预测建模研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：心脏性猝死、心室颤动、心动过速、心房颤动、病态窦房结综合征。评估GNB3、GNAS和GNAQ基因中的单核苷酸多态性（SNPs）作为室性心律失常<400 msec预测因子的阳性预测值。1. 评估单核苷酸多态性作为GNB3、GNAS、GNAQ基因及其他涉及信号转导组件且影响心脏离子通道活性的SNPs对死亡、心脏死亡和心房颤动/扑动的预测因子的阳性预测值。2. 评估遗传参数、基线数据和随访数据的最佳组合作为主要终点、全因死亡率、心脏死亡和房性心律失常的预测因子。3. 评估ICD系统诊断（电池状态、阻抗、起搏阈值、感知）的使用导致医学后果*。4. 评估
【主题与分类】
主题标签：Death, Sudden, Cardiac、Ventricular Fibrillation、Tachycardia、Atrial Fibrillation、Sick Sinus Syndrome。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/NCT00478933
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/NCT00478933
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
条件：死亡、心源性猝死、心室颤动、心动过速、心房颤动、病态窦房结综合征。评估GNB3、GNAS和GNAQ基因中的单核苷酸多态性（SNPs）作为室性心律失常<400毫秒预测因子的阳性预测值。1. 评估单核苷酸多态性作为死亡、心源性死亡及心房颤动/扑动预测因子的阳性预测值，涉及GNB3、GNAS、GNAQ基因及其他影响心脏离子通道活性的信号转导组件相关的SNPs。2. 评估遗传参数、基线数据和随访数据的最佳组合作为主要终点、全因死亡率、心源性死亡和房性心律失常预测因子的价值。3. 评估ICD系统诊断（电池状态、阻抗、起搏阈值、感知）的应用导致医疗后果的情况。4. 评估基于ICD的患者诊断（心律失常、IEGM、心率、起搏百分比、心脏指南针）的应用导致医疗后果的情况。5. 评估涉及房颤预防和房颤治疗算法的编程变更频率。6.
评估起搏参数程控变更的频率及其导致的医疗后果*。* 医疗后果包括：住院、医疗干预、药物治疗、手术、额外诊断检查及ICD程控变更。
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。
