DM2_颈动脉超声_心血管风险生物标志物研究数据
该数据集包含2型糖尿病（DM2）患者与健康对照组的颈动脉超声影像及临床数据，主要数据模态为医学超声图像和临床表格，聚焦于分析颈动脉内膜中层厚度（GIM）和超声纹理特征（如灰度共生矩阵GLCM）与10年心血管风险的关联，旨在探索这些特征作为无创心血管风险生物标志物的潜力，适用于心血管疾病风险预测、糖尿病并发症评估及医学影像分析等研究领域。
基本信息
资源简介
DM2_颈动脉超声_心血管风险生物标志物研究数据
【数据内容】
源站原始描述：数据集概述 本数据集为一项糖尿病2型（DM2）患者颈动脉超声评估的试点研究数据，聚焦颈动脉内膜中层厚度（GIM）及超声纹理特征（如灰度共生矩阵GLCM）与10年心血管风险的关联，对比DM2患者与健康对照组的差异，探索其作为无创生物标志物的潜力。 文件详解 文件名称：DB_GLCM_CVR_PILOT.xlsx 文件格式：XLSX
中文译文（机器翻译，仅供快速理解，请以原文为准）：Dataset Overview: This dataset contains pilot study data from a carotid ultrasound assessment of patients with type 2 diabetes mellitus (DM2), focusing on the association between carotid intima-media thickness (GIM) and ultrasound texture features (such as gray-level co-occurrence matrix, GLCM) and 10-year cardiovascular risk. It compares the differences between DM2 patients and healthy controls and explores their potential as non-invasive biomarkers. File Details: File name: DB_GLCM_CVR_PILOT.xlsx; File format: XLSX...
【获取与许可】
源站页面：https://haidatas.com/dataset/dm2_jingdongmaichaosheng_xinxueguanfengxia_4936acd0
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。
需登录公开下载
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。
暂未开放有偿下载
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://haidatas.com/dataset/dm2_jingdongmaichaosheng_xinxueguanfengxia_4936acd0
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
本数据集是一项针对2型糖尿病（DM2）患者的颈动脉超声评估试点研究数据，旨在探究颈动脉内膜中层厚度（GIM）及超声纹理特征（如灰度共生矩阵GLCM）与10年心血管风险的关联性。数据集通过对比DM2患者与健康对照组的超声影像及临床数据，分析颈动脉超声特征与心血管风险的差异，探索其作为无创心血管风险生物标志物的潜力。该数据可用于心血管疾病风险预测、糖尿病并发症评估及医学影像分析等研究方向。
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。
