冠状动脉综合征受试者生物标志物识别(PLAQUE 研究)

该数据集来自 clinicaltrials.gov,聚焦冠状动脉综合征受试者的生物标志物识别。研究纳入急性冠脉综合征(非 ST 段抬高型心肌梗死)或慢性冠脉综合征且具备冠状动脉成形术指征与有利解剖条件的患者,在成形术前后于冠状动脉病变上游和下游、主动脉根部及外周静脉采集血样,通过下一代测序分析血清

Istituto Nazionale di Ricovero e Cura per AnzianiIstituto Nazionale di Ricovero e Cura per Anziani
clinicaltrials
浏览 15
基因组回归Coronary Syndrome
Identification of Biomarkers in Subjects With Coronary Syndrome (PLAQUE Study)

基本信息

模态
基因组
任务类型
回归
创建/更新时间
2026-10-08

资源简介

冠状动脉综合征受试者生物标志物识别(PLAQUE 研究)

该数据集来自 clinicaltrials.gov,聚焦冠状动脉综合征受试者的生物标志物识别。研究纳入急性冠脉综合征(非 ST 段抬高型心肌梗死)或慢性冠脉综合征且具备冠状动脉成形术指征与有利解剖条件的患者,在成形术前后于冠状动脉病变上游和下游、主动脉根部及外周静脉采集血样,通过下一代测序分析血清 MicroRNA 表达(miRNome),并对 IL-6、可溶性 IL-33 受体(sST2)等促炎与抗炎分子进行定量分析,可用于探索冠状动脉综合征相关生物标志物(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:冠状动脉综合征。将纳入二十名来自非 ST 段抬高型心肌梗死的急性冠脉综合征患者,或具有冠状动脉成形术临床指征和有利解剖条件的慢性冠脉综合征患者。成形术操作将按照标准临床实践进行。在成形术前后,将在冠状动脉病变上游和下游采集血样,在主动脉根部水平进行动脉采样,并采集外周静脉血。将通过下一代测序(miRNome)分析血清中的 MicroRNA 表达。将对各种血样进行促炎和抗炎分子(如 IL-6 和可溶性 IL-33 受体(sST2))的定量分析。

【主题与分类】

主题标签:Coronary 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/NCT06103357

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06103357

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:冠状动脉综合征。将纳入20例急性冠状动脉综合征患者,这些患者来自非ST段抬高型心肌梗死,或患有慢性冠状动脉综合征且具有冠状动脉血管成形术的临床指征和有利解剖条件。血管成形术将按照标准临床实践进行。在血管成形术前后,将在冠状动脉病变上游和下游采集血样,在主动脉根部水平进行动脉采血,并采集外周静脉血。将通过下一代测序(miRNome)分析血清中的MicroRNA表达。将对各种血样中的促炎和抗炎分子(如IL-6和IL-33受体的可溶性形式(sST2))进行定量分析。

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。

获取专属数据定制方案