Medtronic 遗传性心律失常早期检测标志物（GAME 研究）
研究主要目标是确立遗传学在导致心脏性猝死（SCD）的致命性心律失常中的作用，以及遗传标志物在筛选适合植入植入式心脏除颤器（ICD）患者中的潜在价值，并识别可用于判断需要 ICD 个体的单核苷酸多态性（SNPs）；次要目标包括更细致地分析以寻找尚未识别的 SCD 风险遗传标志物
基本信息
资源简介
Medtronic 遗传性心律失常早期检测标志物（GAME 研究）
该数据集来自 clinicaltrials.gov，属于循环系统疾病 / 其他分类，主题覆盖心脏性猝死、Ventricular Fibrillation、Tachycardia、Atrial Fibrillation 与 Sick Sinus Syndrome。研究主要目标是确立遗传学在导致心脏性猝死（SCD）的致命性心律失常中的作用，以及遗传标志物在筛选适合植入植入式心脏除颤器（ICD）患者中的潜在价值，并识别可用于判断需要 ICD 个体的单核苷酸多态性（SNPs）；次要目标包括更细致地分析以寻找尚未识别的 SCD 风险遗传标志物。数据可用于遗传标志物与心律失常风险分层相关研究（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、Ventricular Fibrillation、Tachycardia、Atrial Fibrillation、Sick Sinus Syndrome。主要目标是确立遗传学在导致心脏性猝死（SCD）的致命性心律失常中的作用，以及遗传标志物在筛选适合植入植入式心脏除颤器（ICD）患者中的潜在价值。成功实现这一目标将作为未来开展特定诊断检测工作的基础，该检测可用于评估致命性心律失常的风险，从而筛选适合植入 ICD 的患者。* 识别可用于判断需要 ICD 个体的单核苷酸多态性（SNPs）。次要目标包括更细致的分析，以寻找可能尚未识别的 SCD 风险遗传标志物。1. 识别与 SCD 易感性相关的基因
【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/NCT00664807
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/NCT00664807
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、室性颤动、心动过速、心房颤动、病态窦房结综合征。主要目标是确立遗传学在导致心脏性猝死（SCD）的致命性心律失常中的作用，以及遗传标记在患者风险分层以接受植入式心脏除颤器（ICD）中的潜在效用。成功实现这一目标将作为未来特定诊断测试工作的基础，该测试可用于评估威胁性心律失常的风险，从而对患者进行ICD植入的资格评估。* 识别可用于确定需要ICD的个体的单核苷酸多态性（SNPs）。次要目标涉及更详细的分析，以寻找可能未识别的SCD风险遗传标记。1. 识别与SCD易感性相关的基因。2. 识别病例报告表（CRF）中发现的与SCD相关的风险因素。3. 将SNPs与CRF信息中发现的受试者共病情况相关联。4.
研究动态心电图记录中衍生的参数与致命性心律失常预测因素之间的关联。
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。
