前瞻性Becker心肌病研究

该数据集来自clinicaltrials.gov,聚焦循环系统疾病中的心力衰竭,纳入100例携带dystrophin基因突变、与Becker型肌营养不良和/或扩张型心肌病相关的患者,排除Duchenne型肌营养不良

Karim WAHBIKarim WAHBI
clinicaltrials
浏览 8
医学影像预测Dilated CardiomyopathyLef Ventricular DysfunctionHeart Failure
Prospective Becker-Heart-Study

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-17

资源简介

前瞻性Becker心肌病研究

该数据集来自clinicaltrials.gov,聚焦循环系统疾病中的心力衰竭,纳入100例携带dystrophin基因突变、与Becker型肌营养不良和/或扩张型心肌病相关的患者,排除Duchenne型肌营养不良。基线及第3年、第5年进行心电图、超声心动图、心脏MRI和血清生物标志物检查,并记录期间心脏不良事件。可用于分析心脏表型与DMD突变的相关性,以及心脏检查的预后价值(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:扩张型心肌病、左心室功能障碍、心力衰竭。将纳入100例携带与Becker型肌营养不良和/或扩张型心肌病相关的dystrophin基因突变的患者(排除Duchenne型肌营养不良患者)。患者在基线时接受以下检查:心电图、超声心动图、心脏MRI、血清生物标志物测量。在第3年和第5年,将按照相同方案对患者进行检查,并记录期间发生的心脏不良事件。统计分析将评估心脏表型与DMD突变之间的相关性以及心脏检查的预后价值。

【主题与分类】

主题标签:Dilated Cardiomyopathy、Lef Ventricular Dysfunction、Heart Failure。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/NCT02020954

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/NCT02020954

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:扩张型心肌病、左心室功能障碍、心力衰竭。将纳入100例与贝克型肌营养不良和/或扩张型心肌病相关的抗肌萎缩蛋白基因突变患者队列(排除杜氏肌营养不良患者)。患者在基线时接受以下检查:心电图、超声心动图、心脏磁共振成像、血清生物标志物检测。在第3年和第5年,将按照相同方案对患者进行检查,并记录期间发生的心脏不良事件。统计分析将评估心脏表型与DMD突变之间的相关性以及心脏检查的预后价值。

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