莱顿非缺血性心肌病研究
莱顿非缺血性心肌病研究来自 clinicaltrials.gov,聚焦非缺血性心肌病(NICM)中的室性心律失常(VA)与心源性猝死问题

基本信息
资源简介
莱顿非缺血性心肌病研究
来自 clinicaltrials.gov,聚焦非缺血性心肌病(NICM)中的室性心律失常(VA)与心源性猝死问题。数据覆盖扩张型心肌病、室性心动过速、心室颤动等病种,旨在加深对 NICM 致心律失常基质与电生理机制的理解,并据此开发个体化治疗;同时改进基于基质特征的 VA 与心源性猝死风险分层,以便更有效地分配治疗。可用于心律失常机制研究、个体化治疗探索与风险预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:扩张型心肌病、室性心动过速、心室颤动。依据:主要由室性心律失常(VA)引起的心源性猝死,是非缺血性心肌病(NICM)发病和死亡的主要原因。目前缺乏有效预防 VA 的治疗方法。更好地理解 NICM 中 VA 的基质和机制,可能有助于开发更有效、个体化和基于基质的治疗。此外,NICM 的风险分层需要改进,以便更有效地分配治疗。目标:1)提高我们对 NICM 中 VA 的潜在促心律失常基质和电生理机制的理解,并基于所识别的基质开发 VA 的个体化治疗。2)基于基质特征改进 NICM 中 VA 和心源性猝死的风险分层。
【主题与分类】
主题标签:Cardiomyopathy, Dilated、Tachycardia, Ventricular、Ventricular Fibrillation。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/NCT01940081
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/NCT01940081
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
疾病:扩张型心肌病、室性心动过速、心室颤动。依据:心脏性猝死主要由室性心律失常(VA)引起,是非缺血性心肌病(NICM)发病和死亡的主要原因。目前缺乏有效预防VA的治疗方法。加深对NICM中VA基质和机制的理解,可能有助于开发更有效、个体化和基于基质的治疗。此外,NICM的风险分层需要改进,以便更有效地分配治疗。目的:1)加深对NICM中VA潜在促心律失常基质和电生理机制的理解,并基于所识别的基质开发VA的个体化治疗。2)基于基质特征改进NICM中VA和心脏性猝死的风险分层。3)评估NICM的疾病进展。假设:加深对NICM中VA基质和机制的理解,可能有助于开发更有效、个体化和基于基质的治疗。研究设计:前瞻性队列研究。
研究人群:研究人群将由三组(A、B和C)组成:有记录的VA、疑似VA或中高VA风险(根据既定标准)且未转诊进行心脏手术的NICM患者(A组),有记录的VA、疑似VA或高VA风险且转诊进行心脏手术的NICM患者(B组),以及由无NICM且转诊进行心脏手术的患者组成的对照组(C组)。评估:所有患者将根据当前NICM患者的标准进行评估。评估将包括24小时动态心电图、超声心动图、冠状动脉造影和对比增强MRI(CE-MRI)。如果CE-MRI在其他医院进行,将在我们医院进行额外记录。此外,将从所有患者采集用于胶原转换标志物的血样(动脉、心脏静脉和外周静脉)。123-碘
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。




