高危患者心外膜脂肪组织与冠状动脉粥样硬化数据集
该数据集来自omicsdi.org,聚焦高危患者中心外膜脂肪组织(EAT)与冠状动脉粥样硬化的关联研究。源站描述显示,研究纳入574例因退行性重度主动脉瓣狭窄接受心脏手术的前瞻性队列患者,通过CT量化脂肪库并开展定量蛋白质组学分析,旨在明确EAT体积与冠状动脉疾病的关系,并识别与冠状动脉钙化相关的E

基本信息
资源简介
高危患者心外膜脂肪组织与冠状动脉粥样硬化数据集
该数据集来自omicsdi.org,聚焦高危患者中心外膜脂肪组织(EAT)与冠状动脉粥样硬化的关联研究。源站描述显示,研究纳入574例因退行性重度主动脉瓣狭窄接受心脏手术的前瞻性队列患者,通过CT量化脂肪库并开展定量蛋白质组学分析,旨在明确EAT体积与冠状动脉疾病的关系,并识别与冠状动脉钙化相关的EAT失调通路。数据可用于探索EAT定量指标与CAD的关联及钙化相关分子机制(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):理由:心外膜脂肪组织(EAT)已独立地与低至中等风险受试者的非钙化、高风险冠状动脉斑块相关。最近,研究显示EAT与病变冠状动脉之间存在双向通讯。在高危患者中,EAT的定量测量能否捕捉这种相互作用以及涉及哪些分子参与者尚不清楚。目的:在高危人群中,我们旨在确定EAT体积如何与冠状动脉疾病(CAD)相关联,并识别CAD患者中与冠状动脉钙化(CAC)特别相关的潜在EAT失调通路。方法与结果:在一个由574例转诊至心脏手术的退行性重度主动脉瓣狭窄患者组成的前瞻性队列中,我们通过计算机断层扫描(CT)量化脂肪库,并进行了胸部的比较定量蛋白质组学
【主题与分类】
主题标签:Coronary calcification、Swath、Epicardial adipose tissue、Epicheart study。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PXD008852
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://omicsdi.org/dataset/pride/PXD008852
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
理由:心外膜脂肪组织(EAT)与低至中等风险受试者的非钙化高危冠状动脉斑块独立相关。近期研究显示,EAT与病变冠状动脉之间存在双向交流。在高风险患者中,EAT的定量指标能否捕捉这种相互作用以及涉及哪些分子因素尚不清楚。目的:在高风险人群中,我们旨在确定EAT体积与冠状动脉疾病(CAD)的关系,并识别CAD患者中与冠状动脉钙化(CAC)特别相关的潜在EAT失调通路。方法与结果:在一个由574名转诊至心脏手术的退行性重度主动脉瓣狭窄患者组成的前瞻性队列中,我们通过计算机断层扫描(CT)量化脂肪库,并对胸部脂肪(包括EAT、纵隔脂肪(MAT)和皮下脂肪(SAT))进行了比较定量蛋白质组学分析。在侵入性冠状动脉造影中,我们未发现EAT体积与冠状动脉狭窄的严重程度、分布和复杂性之间存在独立关联。
尽管EAT体积与高CAC相关,但其经心血管危险因素调整后的关联并不显著。以非CAD匹配患者为参照,并与MAT和SAT相比,CAD的EAT蛋白质组学特征表现为促钙化膜联蛋白(膜联蛋白A2,ANXA2)、脂肪酸结合转运蛋白(FABP4)和炎症信号蛋白上调,以及胎球蛋白-A和氧化还原状态调节酶下调。在EAT中,ANXA2的调控与CAC呈正相关。EAT基因表达研究证实了CAD中ANXA2和FABP4的过表达,但未检测到FETUA的表达。与非CAD相比,CAD中胎球蛋白-A循环水平较高,而心包液中胎球蛋白-A未见差异。结论:在这一高危队列中,EAT表现出促钙化
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




