2型糖尿病心肌病

该数据集源自 clinicaltrials.gov,聚焦2型糖尿病相关心肌病(DCM)及其向射血分数保留的心力衰竭(HFpEF)的进展

Institut National de la Santé Et de la Recherche Médicale, FranceInstitut National de la Santé Et de la Recherche Médicale, France
clinicaltrials
浏览 6
其他分类Cardiomyopathy, Diabetic
CARdiomyopathy in Type 2 DIAbetes Mellitus

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-10

资源简介

2型糖尿病心肌病

该数据集源自 clinicaltrials.gov,聚焦2型糖尿病相关心肌病(DCM)及其向射血分数保留的心力衰竭(HFpEF)的进展。CARDIATEAM 研究计划从现有队列中前瞻性招募1600名个体,涵盖2型糖尿病(T2DM)与非糖尿病患者,收集人口学、代谢及心脏临床数据,形成广泛的T2DM相关表型。数据可用于通过无偏聚类分析明确DCM表型,并将其与HFpEF、HCM等其他心力衰竭形式区分,支持心肌病分型与心衰预测研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:糖尿病性心肌病。CARDIATEAM 研究将针对 DCM 的独特性及其向射血分数保留的心力衰竭(HFpEF)的进展,通过从现有队列中前瞻性招募 CARDIATEAM 队列(n=1600 名个体),使用明确的选择标准,并将纳入 2 型糖尿病(T2DM)和非糖尿病患者,涵盖广泛的人口学、代谢和心脏临床数据。这将产生广泛的 T2DM 相关表型,包括 BMI、吸烟、年龄和血压等常见混杂因素。为了阐明 DCM 的表型并将其与 HFpEF 或 HCM 等其他形式的心力衰竭区分开来,CARDIATEAM 将对这些患者群体进行深入表型分析,并进行无偏聚类分析。

【主题与分类】

主题标签:Cardiomyopathy, Diabetic。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/NCT04303364

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/NCT04303364

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:糖尿病性心肌病。CARDIATEAM研究将探讨DCM的独特性及其向射血分数保留的心力衰竭(HFpEF)的进展,通过从现有队列中招募前瞻性CARDIATEAM队列(n=1600人),采用一套明确的选择标准,并将纳入2型糖尿病(T2DM)和非糖尿病患者,涵盖广泛的人口统计学、代谢和心脏临床数据。这将产生广泛的T2DM相关表型,包括常见的混杂因素如BMI、吸烟、年龄和血压。为了阐明DCM的表型并将其与其他形式的HF如HFpEF或HCM区分开来,CARDIATEAM将对这些患者群体进行深入表型分析,并进行无偏聚类分析。

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