家族性肥厚型心肌病DNA突变数据库
其源站描述介绍了一项基于机器学习识别肥厚型心肌病患者进展为晚期心力衰竭高风险的研究，队列来自Tufts HCM Institute 2001至2018年连续患者，提取64个基线风险因素，纳入NYHA I/II级且LVEF>35%的患者，共1427例，分为开发集、模型选择集和独立验证集
基本信息
资源简介
家族性肥厚型心肌病DNA突变数据库
Table_1_Machine Learning for Predicting Heart Failure Progression in Hypertrophic Cardiomyopathy.DOCX
该数据集来自frontiersin.figshare.com，包含一份DOCX文件，标题为Table_1_Machine Learning for Predicting Heart Failure Progression in Hypertrophic Cardiomyopathy。其源站描述介绍了一项基于机器学习识别肥厚型心肌病患者进展为晚期心力衰竭高风险的研究，队列来自Tufts HCM Institute 2001至2018年连续患者，提取64个基线风险因素，纳入NYHA I/II级且LVEF>35%的患者，共1427例，分为开发集、模型选择集和独立验证集。数据可用于心力衰竭风险预测与风险分层研究（来源 figshare，CC。
【数据集背景】
配套论文《Clinical Spectrum and Management of Heart Failure in Hypertrophic Cardiomyopathy》发表于 JACC: Heart Failure（2018），DOI：10.1016/j.jchf.2017.09.011。源站首次发布：2021-05-13。
【数据内容】
源站描述（机器翻译，仅供参考）：背景：晚期心力衰竭（HF）症状的发展是肥厚型心肌病（HCM）患者最常见的不良路径。目前识别有HF风险的HCM患者的能力有限。目标：在本研究中，我们提出了一种基于机器学习（ML）的模型，用于识别有发展为晚期HF症状高风险的个体HCM患者。方法：从2001年至2018年在Tufts HCM Institute评估的连续HCM患者队列中，我们提取了一组64个在基线测量的潜在风险因素。仅纳入纽约心脏协会（NYHA）功能分级I/II级且超声心动图左心室射血分数（LVEF）>35%的患者。研究队列（n = 1,427名患者）被分为三个不相交的子集：开发集（50%）、模型选择集（10%）和独立验证集（40%）。最小绝对收缩和
【数据结构与技术规格】
文件数 1 个，合计 17.34 KB。数据集 DOI：10.3389/fcvm.2021.647857.s001。
【主题与分类】
源站学科分类：Cardiology (incl. Cardiovascular Diseases)、Cardiology、Cardiorespiratory Medicine and Haematology not elsewhere classified。主题标签：heart failure、hypertrophic cardiomyopathy、machine learning、risk factors、risk stratification。本站分类：循环系统疾病/心力衰竭。
【适用方向】
源站学科分类标注为 Cardiology (incl. Cardiovascular Diseases)、Cardiology、Cardiorespiratory Medicine and Haematology not elsewhere classified。
【获取与许可】
源站页面：https://frontiersin.figshare.com/articles/dataset/Table_1_Machine_Learning_for_Predicting_Heart_Failure_Progression_in_Hypertrophic_Cardiomyopathy_DOCX/14584218
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Fahmy, Ahmed S.; Rowin, Ethan J.; Manning, Warren J.; Maron, Martin S.; Nezafat, Reza (2021). Table_1_Machine Learning for Predicting Heart Failure Progression in Hypertrophic Cardiomyopathy.DOCX. Frontiers. Dataset
【使用注意】
· 源站最后修改于 2023-06-07，引用时请注意版本时效。
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（Figshare）
- 源站标题：Table_1_Machine Learning for Predicting Heart Failure Progression in Hypertrophic Cardiomyopathy.DOCX
- DOI：10.3389/fcvm.2021.647857.s001
- 发布日期：2021-05-13
- 文件数：1 个
- 文件总体积：17.34 KB
- 源站页面：https://frontiersin.figshare.com/articles/dataset/Table_1_Machine_Learning_for_Predicting_Heart_Failure_Progression_in_Hypertrophic_Cardiomyopathy_DOCX/14584218
命令行下载
curl -L -o "Table_1_Machine Learning for Predicting Heart Failure Progression in Hypertrophic Cardiomyopathy.DOCX" "https://ndownloader.figshare.com/files/27991902"
文件清单
Table_1_Machine Learning for Predicting Heart Failure Progression in Hypertrophic Cardiomyopathy.DOCX（17.34 KB）
文件总体积 17.34 KB（源站 API 实测）。
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。
数据说明
背景：晚期心力衰竭（HF）症状的发展是肥厚型心肌病（HCM）患者最常见的不良路径。目前，识别有HF风险的HCM患者的能力有限。目的：在本研究中，我们提出了一种基于机器学习（ML）的模型，用于识别处于发展为晚期HF症状高风险的个体HCM患者。方法：从2001年至2018年在Tufts HCM Institute评估的连续HCM患者队列中，我们提取了一组64个基线时测量的潜在风险因素。仅纳入纽约心脏协会（NYHA）功能分级I/II级且超声心动图左心室射血分数（LVEF）>35%的患者。研究队列（n = 1,427例患者）被分为三个不相交的子集：开发集（50%）、模型选择集（10%）和独立验证集（40%）。使用最小绝对收缩和选择算子来选择最具影响力的临床变量。使用包括逻辑回归在内的ML分类器集合来识别具有发展为HF结局高风险的患者。
研究结局定义为进展至NYHA III/IV级、LVEF降至35%以下、室间隔减容术和/或心脏移植。结果：在平均4.7 ± 3.7年的随访期间，283例（占1,427例患者的20%）发生了晚期心力衰竭。模型特征包括患者性别、NYHA分级（I级或II级）、HCM类型（即梗阻性或非梗阻性）、LV壁厚度、LVEF、心力衰竭症状的存在（如呼吸困难、晕厥前兆）、合并症（心房颤动、高血压、二尖瓣反流和收缩期前向运动）以及心脏药物类型。所开发的风险分层模型在测试数据集中显示出强大的区分能力，可识别处于晚期心力衰竭风险的患者（c统计量 = 0.81；95%置信区间[CI]：0.76，0.86）。该模型能够正确识别高风险患者，准确率为74%（CI：0.70，0.78），敏感性为80%（CI：0.77，0.83），特异性为72%（CI：0.68，0.76）。该模型在不同性别和年龄组中的性能相当。结论：HCM患者进展性心力衰竭的5年风险预测
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.3389/fcvm.2021.647857.s001（source: https://frontiersin.figshare.com/articles/dataset/Table_1_Machine_Learning_for_Predicting_Heart_Failure_Progression_in_Hypertrophic_Cardiomyopathy_DOCX/14584218）。
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。
