多种族动脉粥样硬化研究(MESA)队列
MESA 是一项关于亚临床心血管疾病特征及其进展为临床显性心血管疾病风险因素的研究,基于美国六个现场中心招募的 6,814 名 45 至 84 岁无症状男女的多种族人群样本,涵盖白人、非洲裔、西班牙裔和亚裔参与者

基本信息
资源简介
多种族动脉粥样硬化研究(MESA)队列
MESA 是一项关于亚临床心血管疾病特征及其进展为临床显性心血管疾病风险因素的研究,基于美国六个现场中心招募的 6,814 名 45 至 84 岁无症状男女的多种族人群样本,涵盖白人、非洲裔、西班牙裔和亚裔参与者。该队列可用于研究亚临床心血管疾病的分布、风险因素及向临床疾病的进展,主题标签涉及 Genomic,本站归类于循环系统疾病与心力衰竭(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):MESA 多种族动脉粥样硬化研究(MESA)是一项关于亚临床心血管疾病(在产生临床体征和症状之前通过非侵入性方式检测到的疾病)特征以及预测其进展为临床显性心血管疾病或亚临床疾病进展的风险因素的研究。MESA 研究人员研究了一个由 6,814 名 45-84 岁无症状男女组成的多样化、基于人群的样本。被招募的参与者中百分之三十八是白人,百分之二十八是非洲裔美国人,百分之二十二是西班牙裔,百分之十二是亚裔,主要是华裔。参与者从美国六个现场中心招募:Wake Forest University、Columbia University、Johns Hopkins University、University of Minnesota、Northwestern University 和 University of California - Los Angeles。每位参与者接受了广泛的体格
【主题与分类】
主题标签:Genomic。本站分类:循环系统疾病/心力衰竭。
【获取与许可】
源站页面:https://omicsdi.org/dataset/dbgap/phs000209
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://omicsdi.org/dataset/dbgap/phs000209
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
MESA 动脉粥样硬化多种族研究(MESA)是一项关于亚临床心血管疾病(在产生临床体征和症状之前通过无创方式检测到的疾病)特征以及预测其进展为临床明显心血管疾病或亚临床疾病进展的危险因素的研究。MESA研究人员研究了一个多样化的、基于人群的样本,包括6,814名年龄在45至84岁之间的无症状男性和女性。招募的参与者中38%为白人,28%为非裔美国人,22%为西班牙裔,12%为亚裔,其中以华裔为主。参与者从美国六个现场中心招募:维克森林大学、哥伦比亚大学、约翰斯·霍普金斯大学、明尼苏达大学、西北大学和加利福尼亚大学洛杉矶分校。
每位参与者均接受了全面的体格检查,以测定冠状动脉钙化、心室质量与功能、血流介导的内皮血管舒张功能、颈动脉内膜-中膜壁厚度及颈动脉内是否存在回声透亮区、下肢血管功能不全、动脉波形、心电图(ECG)指标、标准冠状动脉危险因素、社会人口学因素、生活方式因素及心理社会因素。在随访访视中对亚临床疾病指标和危险因素进行选择性重复测量,有助于研究疾病的进展。血液样本已进行推定生化危险因素的检测,并储存用于病例对照研究。DNA已被提取,淋巴细胞已冷冻保存(以备可能的永生化),用于候选基因研究,并可能用于全基因组扫描、表达及其他遗传学技术研究。目前正在对参与者进行随访,以识别和描述心血管疾病事件,包括急性心肌梗死及其他形式的冠心病(CHD)、卒中和充血性心力衰竭;用于心血管疾
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。




