接受分析性治疗中断的HIV-1感染者影像与活检数据集
该数据集来自clinicaltrials.gov,聚焦HIV-1感染者在抗逆转录病毒治疗下接受分析性治疗中断(ATI)的影像与活检资料

基本信息
资源简介
接受分析性治疗中断的HIV-1感染者影像与活检数据集
该数据集来自clinicaltrials.gov,聚焦HIV-1感染者在抗逆转录病毒治疗下接受分析性治疗中断(ATI)的影像与活检资料。ATI研究有助于评估HIV持续存在机制与病毒反弹,尤其适合刻画HIV再激活的早期事件。由于商业HIV病毒载量检测对低水平HIV RNA变化不够敏感,单拷贝敏感性的HMMC gag检测可提高血浆HIV RNA水平变化的检出灵敏度。数据可用于研究HIV持续存在、病毒反弹早期动态及相关检测方法评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:HIV。研究描述:抗逆转录病毒治疗(ART)期间HIV持续存在是阻碍治愈的主要障碍,需要新的研究来理解持续存在的机制和来源。分析性治疗中断(ATI)研究为详细评估HIV持续存在和病毒反弹的机制提供了机会,在刻画HIV再激活的早期事件方面尤其有用。然而,反弹的早期病毒动力学尚未得到广泛刻画,部分原因是商业HIV病毒血症检测对低水平HIV RNA变化的敏感性相对不足。具有单拷贝敏感性的检测,如HIV Molecular Monitoring Core gag(HMMC gag)检测,比商业检测敏感100倍以上,从而提高了检测血浆中HIV RNA水平变化的敏感性。HMMC gag还可用于
【主题与分类】
主题标签:HIV。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05419024
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/NCT05419024
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:HIV。研究描述:抗逆转录病毒治疗(ART)期间HIV的持续存在是阻碍治愈的主要障碍,需要新的研究来理解持续存在的机制和来源。分析性治疗中断(ATI)研究为详细评估HIV持续存在和病毒反弹的机制提供了机会,在表征HIV再激活的早期事件方面尤其有用。然而,反弹的早期病毒动力学尚未得到广泛表征,部分原因是商业HIV病毒血症检测对低水平HIV RNA变化的敏感性相对较低。具有单拷贝灵敏度的检测,如HIV分子监测核心gag(HMMC gag)检测,比商业检测敏感100倍以上,从而提高了检测血浆中HIV RNA水平变化的灵敏度。HMMC gag还可用于定量早期反弹期间淋巴组织等细胞持续存在部位的HIV。使用更灵敏的检测将有助于表征早期反弹中的事件。对早期反弹的研究将有助于调查反弹病毒血症的免疫及其他相关因素。
反弹的一个潜在相关因素是HIV产生增加导致的代谢活性升高,或炎症环境的变化,或两者兼有。代谢活性可通过18氟脱氧葡萄糖(FDG)正电子发射断层扫描(PET)检测。研究HIV反弹、炎症与代谢激活的动态变化,将为持续存在和反弹机制提供新的认识。我们假设,在ATI后10天内,血液或淋巴组织中的病毒核酸水平将会升高。为验证这一假设,我们将在ATI期间对HIV动态和代谢成像进行详细研究。接受长期ART的参与者将接受FDG PET成像,以识别淋巴组织中代谢摄取高和低的区域,此前他们按1:1随机分配至继续ART或
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。




