BRAVE 研究:结合病例对照与家系方法识别二叶式主动脉瓣相关遗传变异
该数据集来自 clinicaltrials.gov,围绕二叶式主动脉瓣(BAV)相关遗传变异展开,采用病例对照与家系研究相结合的策略

基本信息
资源简介
BRAVE 研究:结合病例对照与家系方法识别二叶式主动脉瓣相关遗传变异
该数据集来自 clinicaltrials.gov,围绕二叶式主动脉瓣(BAV)相关遗传变异展开,采用病例对照与家系研究相结合的策略。源站描述显示,BAV 是最常见的先天性瓣膜异常,患病率约 0.5%–2%,男性多于女性,且存在显著族群差异;常伴主动脉缩窄、左优势冠状动脉系统、颅内动脉瘤等非瓣膜表型,并与升主动脉扩张及严重心血管并发症相关。数据可用于心血管疾病遗传易感性分析、风险分层与并发症预测等研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:心血管疾病。二叶式主动脉瓣是普通人群中最常见的先天性瓣膜心脏异常,患病率估计在 0.5% - 2% 之间。男性比女性更常见,报道的性别比例在 2:1 至 3:1 之间。BAV 的患病率在不同族群之间显示出显著差异。BAV 有时与其他非瓣膜性心血管表型相关,例如主动脉缩窄、左优势冠状动脉系统和颅内动脉瘤。无论瓣膜功能如何,BAV 的存在与升主动脉扩张密切相关。据报道,BAV 相关的升主动脉扩张在 30 岁人群中占 56%,在 80 岁人群中占 88%。BAV 的存在可与严重心血管并发症相关。在一项长期观察性研究中,总体生存率
【主题与分类】
主题标签:Cardiovascular Diseases。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/NCT04514445
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/NCT04514445
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:心血管疾病。二叶式主动脉瓣是普通人群中最常见的先天性瓣膜性心脏异常,估计患病率在0.5%至2%之间。男性比女性更常见,报道的男女比例在2:1至3:1之间。二叶式主动脉瓣的患病率在不同种族群体中显示出显著差异。二叶式主动脉瓣有时与其他非瓣膜性心血管表型相关,例如主动脉缩窄、左优势冠状动脉系统和颅内动脉瘤。二叶式主动脉瓣的存在与升主动脉扩张强烈相关,无论瓣膜功能如何。据报道,与二叶式主动脉瓣相关的升主动脉扩张在30岁人群中占56%,在80岁人群中占88%。二叶式主动脉瓣的存在可伴随严重的心血管并发症。在一项长期观察性研究中,二叶式主动脉瓣患者的总体生存率与普通人群中年龄和性别匹配的受试者相同,但二叶式主动脉瓣与27%的受试者需要手术干预相关。
此外,在该期间,33%的二叶式主动脉瓣(BAV)受试者发生了心血管医学事件(心力衰竭、感染性心内膜炎和卒中)。BAV表现出强烈的家族聚集性,表明其具有强大的遗传基础。在一项对BAV患者一级亲属进行的超声心动图调查中,36.7%的家庭至少有2名成员存在此异常。在一项纳入来自48个扩展家庭的309名受试者的研究中,BAV的遗传率计算为89%。对38个扩展家庭(324名个体)进行的全基因组连锁扫描显示,有证据表明与5个染色体位点连锁——18q22、5q21、13q34、9q34、17q24。单独分析时,大多数家庭仅对单个位点有贡献,提示BAV具有异质性遗传起源。基于这些观察,有人提出了伴不完全外显的常染色体显性遗传的寡基因模型。尽管存在强烈的家族聚集性,但仅有少数遗传位点被关联
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。




