非免疫性胎儿水肿病因研究
该数据集来自 clinicaltrials.gov,聚焦非免疫性胎儿水肿(NIHF)的病因研究。源站描述指出,标准产前检测后至少半数病例病因仍不明确,需结合基因组检测与详细表型分析以改善这一高致死率疾病的结局

基本信息
资源简介
非免疫性胎儿水肿病因研究
该数据集来自 clinicaltrials.gov,聚焦非免疫性胎儿水肿(NIHF)的病因研究。源站描述指出,标准产前检测后至少半数病例病因仍不明确,需结合基因组检测与详细表型分析以改善这一高致死率疾病的结局。NIHF 在妊娠中发生率可达 1/1700,产前超声可见心包积液、胸腔积液、腹水及皮肤水肿等异常积液。相关风险包括早产(57-80%)、死胎(17-30%)和新生儿死亡(29-50%)。病因不明会错失产前产后针对性照护与及时治疗机会,而发现遗传性贫血或溶酶体贮积症等病因则有助于干预(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:非免疫性胎儿水肿。在标准产前检测后,至少半数非免疫性胎儿水肿(NIHF)病例的病因仍不明确;采用基因组检测和详细表型分析的综合方法对于更好地理解这一高致死率疾病并最终改善结局至关重要。NIHF 在妊娠中的发生率高达 1/1700,当产前超声检测到异常胎儿积液(如心包积液、胸腔积液、腹水和皮肤水肿)时即可诊断。风险包括早产(57-80% 的病例)、死胎(17-30%)和新生儿死亡(29-50%)。当病因不明时,产前和产后针对重点照护和及时启动可用治疗的关键机会就会被错过。相反,当发现如遗传性贫血或溶酶体贮积症等病因时,产前
【主题与分类】
主题标签:Non-Immune Hydrops Fetalis。本站分类:血液及造血器官疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05528796
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/NCT05528796
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:非免疫性胎儿水肿。经标准产前检查后,至少半数非免疫性胎儿水肿(NIHF)病例的病因仍不明确;采用基因组检测和详细表型分析的综合方法对于更好地理解这一高致死性疾病并最终改善结局至关重要。NIHF在妊娠中的发生率高达1/1700,当产前超声检出胎儿异常液体积聚(如心包积液、胸腔积液、腹水和皮肤水肿)时即可诊断。风险包括早产(57%-80%)、死胎(17%-30%)和新生儿死亡(29%-50%)。当病因不明时,产前和产后针对重点护理及及时启用现有治疗的关键机会就会被错过。相反,当发现如遗传性贫血或溶酶体贮积症等病因时,产前咨询可更有针对性,能准确预判胎儿和新生儿的风险,实施宫内监测和现有治疗(如宫内输血),并及时启动产后治疗以优化结局。
多种遗传病因可能是NIHF的基础,尤其是标准微阵列和核型分析遗漏的单基因疾病。外显子组测序(ES)、全基因组测序(WGS)和功能研究是产前诊断的新兴工具。ES检查超过20,000个基因,WGS检查这些基因以及其他结构基因组变化,而功能研究如RNA测序评估基因组变化的下游效应。在这项工作之前,这些方法尚未用于研究NIHF。在一项对127例标准基因检测无法解释的NIHF病例的初步研究中,研究团队通过ES在29%的病例中识别出诊断性变异,另有9%的病例中识别出具有潜在意义的变异。这一检出率远高于所有胎儿畸形中ES报告的8.5-10%,突显了NIHF中单基因疾病的负担。研究团队识别出遗传疾
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。




