社区动脉粥样硬化风险研究数据集
社区动脉粥样硬化风险研究数据集包含临床表格、影像、文本、组学或随访结局等多模态信息，数据模态为多模态，适合雷诺氏病相关病例识别、诊断建模、分割检测、风险评估或临床研究复现。
基本信息
资源简介
社区动脉粥样硬化风险研究数据集
【一句话概览】
ARIC 研究旨在探究包括既往队列研究未测量因素在内的各类因素与动脉粥样硬化患病率及冠心病、临床卒中等心血管疾病发病率之间的关联，并测量心血管疾病的发生与趋势，将其与社区层面的危险因素、医疗照护和动脉粥样硬化水平及变化相联系。该研究受试者数为 15792，涉及动脉粥样硬化、心血管疾病、冠心病、卒中、流行病学、前瞻性研究、队列研究、社区监测、颈动脉超声及心电图等方向（来源 biolincc.nhlbi.nih.gov）。
【数据集背景】
本数据集源站标题为《Atherosclerosis Risk in Communities Study (ARIC)》。
【数据内容】
源站原始描述：The objectives of ARIC are to: 1) investigate associations of factors, including those not previously measured in cohort studies, with prevalence of atherosclerosis and incidence of CHD, clinical stroke and other cardiovascular diseases; and 2) measure cardiovascular disease occurrence and trends and relate these to community levels of, and changes in, risk factors, medical care and atherosclerosis
中文译文（机器翻译，仅供快速理解，请以原文为准）：ARIC的目标是：1) 探究包括以往队列研究中未测量因素在内的各种因素与动脉粥样硬化患病率及冠心病、临床中风和其他心血管疾病发病率之间的关联；2) 测量心血管疾病的发生率和趋势，并将其与社区层面的风险因素、医疗护理及动脉粥样硬化水平及其变化相联系。
【主题与分类】
主题标签：Atherosclerosis、Cardiovascular Disease、Coronary Heart Disease、Stroke、Epidemiology、Prospective Study、Cohort Study、Community Surveillance、Carotid Ultrasonography、ECG。
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://biolincc.nhlbi.nih.gov/studies/aric/
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://biolincc.nhlbi.nih.gov/studies/aric/
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
Atherosclerosis Risk in Communities Study 数据集包含临床表格、影像、文本、组学或随访结局等多模态信息，可围绕雷诺氏病（Raynaud’s disease）开展病例筛选、特征提取、诊断分类、分割检测、风险评估或预后分析。
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。
