遗传性出血性毛细血管扩张症的基因型-表型关联研究

该数据集来自 clinicaltrials.gov,聚焦遗传性出血性毛细血管扩张症(HHT,又称 Rendu Osler Weber 病)的基因型-表型关联研究

Fundacion para la Investigacion Biomedica del Hospital Universitario Ramon y CajalFundacion para la Investigacion Biomedica del Hospital Universitario Ramon y Cajal
clinicaltrials
浏览 2
基因组预测Hereditary Hemorrhagic TelangiectasiaHHTRendu Osler Weber Disease
Genotype-phenotype Association in Hereditary Hemorrhagic Telangiectasia

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-24

资源简介

遗传性出血性毛细血管扩张症的基因型-表型关联研究

该数据集来自 clinicaltrials.gov,聚焦遗传性出血性毛细血管扩张症(HHT,又称 Rendu Osler Weber 病)的基因型-表型关联研究。HHT 是一种常染色体显性遗传的多系统血管发育不良罕见病,主要由 ENG 和 ACVRL1 基因突变引起,但不同遗传变异对应的分子机制尚未阐明。研究采用队列设计,对患者进行 12 个月随访,比较临床事件发生率,并通过多变量分析评估生物标志物预测临床事件的能力。数据可用于探索 HHT 基因型与临床表型的关联及生物标志物的预测价值(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:遗传性出血性毛细血管扩张症、HHT、Rendu Osler Weber 病。背景与理由:遗传性出血性毛细血管扩张症(HHT)是一种罕见病,特征为多系统血管发育不良,呈常染色体显性遗传,主要由 ENG 和 ACVRL1 基因突变引起。尽管这些突变与不同的临床表现相关,但每个遗传变异所涉及的分子机制尚未阐明。方法:将开展一项队列研究,比较 12 个月随访后临床事件的发生率。将在多变量分析中评估这些生物标志物预测临床事件的能力。

【主题与分类】

主题标签:Hereditary Hemorrhagic Telangiectasia、HHT、Rendu Osler Weber Disease。本站分类:心血管系统疾病/遗传性出血性毛细血管扩张症。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05550376

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/NCT05550376

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:遗传性出血性毛细血管扩张症,HHT,Rendu Osler Weber病。背景与依据:遗传性出血性毛细血管扩张症(HHT)是一种罕见疾病,以多系统血管发育不良为特征,呈常染色体显性遗传,主要由ENG和ACVRL1基因突变引起。尽管这些突变与不同的临床表现相关,但各基因变异所涉及的分子机制尚未阐明。方法:将开展一项队列研究,比较12个月随访后临床事件的发生率。将在多变量分析中评估这些生物标志物预测临床事件的能力。

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