ATTR-CM 疾病进展的多模态心脏成像研究
该数据集来自 clinicaltrials.gov,聚焦心脏 ATTR 淀粉样变(ATTR-CM)患者的疾病进展,采用开放标签前瞻性纵向设计,在基线和 12 个月随访时进行系列成像,计划纳入 50 名参与者

基本信息
资源简介
ATTR-CM 疾病进展的多模态心脏成像研究
该数据集来自 clinicaltrials.gov,聚焦心脏 ATTR 淀粉样变(ATTR-CM)患者的疾病进展,采用开放标签前瞻性纵向设计,在基线和 12 个月随访时进行系列成像,计划纳入 50 名参与者。数据涵盖临床与功能指标(心衰住院、NYHA 分级、KCCQ 问卷、6 分钟步行试验)、实验室生物标志物(NT-proBNP、肌钙蛋白、肌酐)以及成像与心电图指标(左室壁厚度、舒张功能障碍、LVEF、每搏输出量、整体纵向应变、传导障碍),可用于分析疾病进展规律并构建预测模型(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:心脏淀粉样变。实验设计:本研究为开放标签前瞻性纵向研究,在基线和 12 个月随访时进行系列成像。整个研究人群将包括 50 名心脏 ATTR 淀粉样变参与者,其定义依据近期多学会标准。疾病进展的常规标志物:这些标志物在我们门诊部患者的常规临床随访中收集。标志物分为三个领域,包括以下结局: 临床与功能:任何心力衰竭住院、NYHA 分级、堪萨斯城心肌病问卷、6 分钟步行试验; 实验室生物标志物:NT-proBNP、肌钙蛋白、肌酐;* 成像与心电图:左室壁厚度、舒张功能障碍、LVEF、每搏输出量、整体纵向应变、传导障碍。数据分析计划:功效计算
【主题与分类】
主题标签:Amyloidosis Cardiac。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/NCT07112066
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/NCT07112066
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
疾病:心脏淀粉样变性。实验设计:本研究为开放标签前瞻性纵向研究,在基线和12个月随访后进行系列影像学检查。整个研究人群将包括50名心脏ATTR淀粉样变性参与者,其诊断依据为近期多学会标准。疾病进展的常规标志物:这些标志物在我们门诊部患者的常规临床随访中收集。标志物分为三个领域,包括以下结局指标:* 临床和功能:任何心力衰竭住院、NYHA分级、堪萨斯城心肌病问卷、6分钟步行试验;* 实验室生物标志物:NT-proBNP、肌钙蛋白、肌酐;* 影像学和心电图:左心室壁厚度、舒张功能障碍、LVEF、每搏输出量、整体纵向应变、传导障碍。数据分析计划:样本量的功效计算具有挑战性,因为此前尚无研究评估我们的终点(心肌FAPI摄取或血清BMP4浓度)对tafamidis的反应。因此,我们将样本量计算的重点放在超声心动图心肌僵硬度上。
根据我们自己的初步数据,我们估计心脏淀粉样变性患者心肌僵硬度的中位基线值为2.6 m/s [IQR,1.7-3.8]。预计约30%的参与者会出现疾病进展。虽然在没有疾病进展的心脏淀粉样变性中,心肌僵硬度预计保持不变,但在有疾病进展的心脏淀粉样变性中,考虑20%的相对增加(即0.5 ± 0.5 m/s)。40名参与者的样本量(即30名无疾病进展和10名有疾病进展的参与者)具有80%的统计功效来预测心肌僵硬度对tafamidis反应的差异。非正态分布的配对重复测量数据(即每组纵向变化)通过Wilcoxon符号秩检验进行比较。非正态分布的非配对变化数据(即组间纵向变化)通过c
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。




