真实世界HCM队列试验

该数据集来自clinicaltrials.gov,主题为肥厚型心肌病(HCM)的真实世界队列试验,本站归类于循环系统疾病下的心力衰竭方向

Xijing HospitalXijing Hospital
clinicaltrials
浏览 13
基因组预测Hypertrophic Cardiomyopathy (HCM)
A Real-world HCM-cohort Trial

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-08

资源简介

真实世界HCM队列试验

该数据集来自clinicaltrials.gov,主题为肥厚型心肌病(HCM)的真实世界队列试验,本站归类于循环系统疾病下的心力衰竭方向。源站描述指出HCM是由肌节蛋白基因致病突变主导的遗传性心肌病,以不对称性左心室肥厚为特征,患者常表现为呼吸困难、胸痛和运动不耐受,猝死、进行性心力衰竭和血栓栓塞事件是主要致死致残原因。目前中国尚缺乏专门系统的HCM数据库,该队列旨在建立全国性HCM队列及疾病特异性数据库,可用于HCM的临床特征分析与风险预测研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:肥厚型心肌病(HCM)。肥厚型心肌病(HCM)是一种遗传介导的心肌疾病,主要由肌节蛋白基因的致病突变引起,以不对称性左心室肥厚为特征。HCM患者常表现为呼吸困难、胸痛和运动不耐受。心源性猝死、进行性心力衰竭和血栓栓塞事件仍是死亡和发病的主要原因,显著损害生活质量并增加医疗负担。尽管在HCM的病理生理学、诊断和管理方面取得了进展,但重大挑战依然存在,包括病因异质性和诊断不足。目前,中国仍缺乏专门且系统的HCM数据库。因此,建立全国性HCM队列和疾病特异性数据库具有相当重要的意义。

【主题与分类】

主题标签:Hypertrophic Cardiomyopathy (HCM)。本站分类:循环系统疾病/心力衰竭。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07638033

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/NCT07638033

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

疾病:肥厚型心肌病(HCM)。肥厚型心肌病是一种遗传介导的心肌疾病,主要由肌节蛋白基因致病性突变引起,以不对称性左心室肥厚为特征。HCM患者常表现为呼吸困难、胸痛和运动不耐受。心源性猝死、进行性心力衰竭和血栓栓塞事件仍是导致死亡和发病的主要原因,严重影响生活质量并增加医疗负担。尽管在HCM的病理生理学、诊断和管理方面取得了进展,但仍存在重大挑战,包括病因异质性和诊断不足。目前,中国仍缺乏专门且系统性的HCM数据库。因此,建立全国性HCM队列和疾病特异性数据库具有重要意义。这与“健康中国2030”倡议的目标一致,并得到医学大数据技术进展的支持。

本研究旨在构建一个全面的HCM队列,评估当代的诊断和治疗实践及患者预后,识别相关风险因素,并最终改善HCM患者的整体管理。

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