新型分析物致自身免疫、炎症及糖尿病肾病数据与组织库(RENAL AID)
RENAL AID 是一个面向肾脏疾病的数据与组织库,覆盖肾脏疾病、慢性肾衰竭、糖尿病肾病、狼疮性肾炎和 IgA 肾小球肾炎等病种

基本信息
资源简介
新型分析物致自身免疫、炎症及糖尿病肾病数据与组织库(RENAL AID)
RENAL AID 是一个面向肾脏疾病的数据与组织库,覆盖肾脏疾病、慢性肾衰竭、糖尿病肾病、狼疮性肾炎和 IgA 肾小球肾炎等病种。该库将人口学、临床、实验室、组织学、遗传和影像学数据整合到统一的电子数据采集工具中,旨在发现原本彼此割裂的数据集之间的关联,从而识别与疾病进展、并发症(包括肾衰竭)发生及治疗反应相关的未知因素,并关注肾病患者血清、全血和尿液中炎症与免疫介质的特定模式(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肾脏疾病、慢性肾衰竭、糖尿病肾病、狼疮性肾炎、IgA 肾小球肾炎。RENAL AID 被设计为一个包容性的数据和组织库,能够将人口学、临床、实验室、组织学、遗传和影像学数据连接到一个相互关联的电子数据采集工具中。假设通过将这些通常彼此割裂的数据组成部分连接到一个单一的电子库中,RENAL AID 将能够发现这些原本互不相关的数据集之间的关系,以确定先前未知的、促成疾病进展、并发症(包括肾衰竭)发生和治疗反应的因素与关联。此外,肾病患者血清、全血和尿液中存在的某些炎症和/或免疫介质模式
【主题与分类】
主题标签:Kidney Diseases、Kidney Failure, Chronic、Diabetic Nephropathy、Lupus Nephritis、Glomerulonephritis, IGA。本站分类:内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01802034
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/NCT01802034
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:肾脏疾病、慢性肾衰竭、糖尿病肾病、狼疮性肾炎、肾小球肾炎、IgA肾病。RENAL AID旨在构建一个综合性的数据与组织库,能够将人口统计学、临床、实验室、组织学、遗传学及影像学数据整合至一个相互关联的电子数据采集工具中。假设通过将这些通常相互分离的数据组件链接至单一电子存储库,RENAL AID将能够发现这些原本孤立数据集之间的关系,从而确定先前未知的、促进疾病进展、并发症(包括肾衰竭)发生率及治疗反应的因素与关联。此外,肾病患者血清、全血和尿液中存在的某些炎症和/或免疫介质模式可能预示肾活检标本中的潜在组织病理学特征。在接受肾活检的受试者中,非侵入性标志物与潜在组织病理学之间的潜在相关性,可能为未来非侵入性地进行肾脏诊断提供能力。
RENAL AID将获取并追踪以下三个研究受试者组中大量受试者的临床数据,这些受试者具有不同的民族、社会和经济背景:1. 原生活检组织组:该组由因临床需要而接受预期肾活检且有多余组织可用的受试者组成。纳入该组的受试者将在活检后第一年每3个月进行一次评估,此后每年评估一次。在这些访视中将获取研究用全血、血清和尿液。2. 原生肾脏非组织组:该组由已接受肾活检但标本未存储在RENAL AID生物样本库中的受试者,和/或患有糖尿病且并发肾脏疾病但未进行肾活检的受试者组成。纳入该组的受试者将每年进行一次评估。将获取研究用全血、血清和尿液,
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。




