小眼球、无眼球及葡萄膜缺损的发病机制与遗传学(MAC)
该数据集来自 clinicaltrials.gov,聚焦小眼球、无眼球及葡萄膜缺损(MAC)的发病机制与遗传学研究。研究目标包括:在表型明确的小眼球、无眼球和/或葡萄膜缺损参与者队列中界定眼部、全身及其他关联;在患者亲属中界定MAC的风险因素和微表型;并建立DNA和/或淋巴母细胞样细胞系库,供有科学

基本信息
资源简介
小眼球、无眼球及葡萄膜缺损的发病机制与遗传学(MAC)
该数据集来自 clinicaltrials.gov,聚焦小眼球、无眼球及葡萄膜缺损(MAC)的发病机制与遗传学研究。研究目标包括:在表型明确的小眼球、无眼球和/或葡萄膜缺损参与者队列中界定眼部、全身及其他关联;在患者亲属中界定MAC的风险因素和微表型;并建立DNA和/或淋巴母细胞样细胞系库,供有科学指征时用于实验室研究。研究人群为600名年龄至少一岁、有MAC记录的个体及其亲属,其中约100名符合条件且有意愿的参与者将从贝勒医学院的儿童小眼球、无眼球和缺损遗传流行病学研究(MAGIC研究)转介入组(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:缺损、无眼球、小眼球。目标:本研究的目标是:1)在表型明确的小眼球、无眼球和/或葡萄膜缺损(MAC)参与者队列中界定眼部、全身及其他关联;2)在受累个体的亲属中界定MAC的风险因素和微表型;3)从选定的参与者中建立DNA和/或淋巴母细胞样细胞系库,以便在有科学指征时用于实验室研究。研究人群:将招募600名年龄至少一岁、有MAC记录的个体及其亲属。约100名符合条件且有意愿的参与者将从贝勒医学院的儿童小眼球、无眼球和缺损遗传流行病学研究(MAGIC研究)(贝勒方案
【主题与分类】
主题标签:Coloboma、Anophthalmia、Microphthalmia。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01778543
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/NCT01778543
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
病症:眼组织缺损、无眼畸形、小眼畸形。目的:本研究的目标是:1)在一个表型明确的小眼畸形、无眼畸形和/或葡萄膜缺损(MAC)参与者队列中,定义眼部、全身及其他相关性;2)确定受影响个体亲属中MAC的风险因素和微形式;3)建立一个来自选定参与者的DNA和/或淋巴母细胞样细胞系库,以便在科学指征时用于实验室研究。研究人群:将招募六百(600)名至少一岁、有MAC记录的个人及其亲属。大约100名符合条件且有兴趣的参与者将从贝勒医学院的儿童小眼畸形、无眼畸形和眼组织缺损遗传流行病学研究(MAGIC研究)(贝勒方案# H-49046,NCT06293560)中被转介参加本研究。设计:这是一项自然史/遗传资源库研究。将在十五年内招募六百(600)名参与者。
参与者将接受一次完整的、与其年龄相符的基线眼科检查及体格检查,并提供血液、颊细胞/唾液或DNA样本。结局指标:将对所收集的检测结果、数据和样本进行分析,以更好地理解MAC的遗传学。特别是,将在一个表型特征明确的MAC参与者队列中明确其眼部及全身相关性,同时也会明确受累个体亲属中这些疾病的风险因素和微小体征。
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。




