Dallas Heart Study 2：Dallas Heart Study 队列回访门诊

数据集获取

源站：https://clinicaltrials.gov/study/NCT00344903

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

条件：动脉粥样硬化、充血性心力衰竭、左心室肥厚、糖尿病、高血压、肥胖、代谢综合征X、心肌梗死。对无症状高危个体进行早期医学干预是防治动脉粥样硬化性心脏病（ASHD）最有效的策略。有效预防ASHD的主要障碍在于，评估ASHD风险的传统工具不够充分，需要新方法来识别疾病过程确立之前的易感个体。其他成功的公共卫生筛查项目已纳入直接成像程序（如乳腺X线摄影、结肠镜检查）；然而在ASHD中，血管系统的直接成像尚未被纳入风险分层算法。达拉斯心脏研究（DHS-1）是一项大型、多种族、基于人群的流行病学研究，旨在确定具有代表性的美国城市环境中ASHD的决定因素。该研究于2003年完成入组。在DHS-2中，我们将把达拉斯心脏研究从横断面健康调查（DHS-1）转变为纵向队列研究（DHS-2）。

我们将开展最先进的心血管（CV）影像学检查，并结合生物标志物、遗传标志物和经典ASHD危险因素。我们将重复2000-2003年间进行的详细临床表型分析，以捕捉ASHD风险和疾病负担的期间变化。我们的目标是明确促成进展的因素：1. 从健康到ASHD风险；2. 从ASHD风险到亚临床ASHD；3. 从亚临床到临床ASHD。识别这些转变中的关键因素，将有助于有针对性地实施适当治疗，在临床ASHD发生之前进行干预。

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。