VIZ ACCESS HCM 多中心注册研究
数据覆盖新诊断、既往诊断及疑似患者，旨在描述其临床、经济与人群特征。该数据集可用于研究 AI 筛查工具在社区中整合应用的方式及其潜在影响，并支持对肥厚型心肌病诊断路径与人群特征的分析（来源 clinicaltrials.gov）
基本信息
资源简介
VIZ ACCESS HCM 多中心注册研究
VIZ ACCESS HCM - Multi-Site Registry 是一个聚焦于肥厚型心肌病（Hypertrophic Cardiomyopathy, HCM）的多中心注册数据集，来源于 clinicaltrials.gov。该数据集覆盖新诊断、既往诊断以及疑似肥厚型心肌病患者，旨在描述这些人群的临床、经济与人群特征。肥厚型心肌病在社区中普遍存在诊断不足的问题，而人工智能算法已被开发为筛查工具，但如何最佳整合这些 AI 筛查工具及其潜在影响尚不明确。该数据集正可用于研究 AI 筛查工具在社区中的整合应用方式及其潜在影响，并支持对肥厚型心肌病诊断路径与人群特征的分析。
【数据集背景】
肥厚型心肌病是一种在社区中诊断不足的心血管系统疾病。随着人工智能算法被开发用于筛查，如何将这些工具整合进实际诊疗流程、以及它们可能带来的影响，仍缺乏充分理解。VIZ ACCESS HCM - Multi-Site Registry 正是在这一背景下建立的多中心注册数据集，其目标是通过描述新诊断、既往诊断和疑似患者的临床、经济与人群特征，为理解 AI 筛查工具在社区中的整合方式及其潜在影响提供数据基础。该数据集所属分类为心血管系统疾病 / 肥厚型心肌病，主题标签为 Hypertrophic Cardiomyopathy。
【数据内容】
该数据集覆盖三类人群：新诊断患者、既往诊断患者以及疑似患者。其核心内容是描述这些人群的临床、经济与人群特征。数据集旨在支持对肥厚型心肌病诊断路径与人群特征的分析，并可用于研究 AI 筛查工具在社区中整合应用的方式及其潜在影响。关于具体的变量字段、样本量、随访时间、经济指标的具体构成等，源站未提供。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov，数据集英文名为 VIZ ACCESS HCM - Multi-Site Registry。其源站描述指出，研究目的是描述由 Viz HCM 评估的新诊断、既往诊断和疑似患者的临床、经济与人群特征。关于具体的采集机构、采集时间跨度、采集地点、招募方式、数据采集流程等，源站未提供。
【适用场景】
该数据集适用于以下研究方向：研究 AI 筛查工具在社区中的整合应用方式及其潜在影响；分析肥厚型心肌病的诊断路径；描述新诊断、既往诊断及疑似患者的人群特征；以及从临床、经济和人群角度刻画肥厚型心肌病相关人群。由于肥厚型心肌病在社区中诊断不足，且 AI 算法已被开发为筛查工具，该数据集可为探索筛查工具的实际整合与影响提供支持。关于其他具体应用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括访问方式、数据格式、分析工具、配套文档或操作指南等。
【质量与限制】
源站未提供关于该数据集质量与限制的具体说明，包括数据完整性、偏倚控制、样本代表性、缺失值处理或验证情况等。
【引用与许可】
源站未提供该数据集的引用方式与许可条款信息。
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/NCT07103057
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
条件：肥厚型心肌病。描述由Viz HCM评估的新诊断、既往诊断和疑似患者的临床、经济及人口学特征。肥厚型心肌病在社区中诊断不足，已开发出人工智能算法作为筛查工具。然而，如何最佳整合人工智能筛查工具及其潜在影响尚不明确。
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。
