中国慢性肉芽肿病研究
该数据集来自clinicaltrials.gov，聚焦中国慢性肉芽肿病（CGD）患者。CGD是一种由NADPH氧化酶复合物亚基缺陷引起的罕见遗传性原发性免疫缺陷
基本信息
资源简介
中国慢性肉芽肿病研究
慢性肉芽肿病（Chronic Granulomatous Disease, CGD）是一种由NADPH氧化酶复合物亚基缺陷引起的罕见遗传性原发性免疫缺陷。该数据集英文名为Chronic Granulomatous Disease Study in China，来源于clinicaltrials.gov，聚焦中国慢性肉芽肿病患者群体。其核心目标在于收集并分析在上海交通大学医学院附属医院确诊的中国CGD患者资料，涵盖临床特征、实验室数据与遗传信息，以期揭示中国人群中CGD的临床、分布及遗传特征，从而进一步提升该病的诊断与治疗水平。该数据集在分类上归属于免疫系统疾病下的慢性肉芽肿病，主题标签为Granulomatous Disease, Chronic。
【数据集背景】
慢性肉芽肿病是一种罕见的遗传性原发性免疫缺陷，其根本病因在于NADPH氧化酶复合物中某个亚基存在缺陷。该数据集以中国CGD患者为研究对象，关注这一特定人群的疾病特征。从来源站点的描述来看，研究者的意图是系统性地收集并分析在中国确诊的CGD患者资料，以弥补对中国人群CGD认识的不足，并最终服务于诊断与治疗水平的提升。
【数据内容】
根据来源站描述，该数据集收集和分析的内容包括中国CGD患者的临床特征、实验室数据以及遗传信息。其分析目标涵盖临床、分布、遗传特征等方面，旨在探究中国人群中CGD的临床、分布与遗传特点。数据集的主题标签为Granulomatous Disease, Chronic，本站分类为免疫系统疾病 / 慢性肉芽肿病。
【采集与来源】
该数据集来源于clinicaltrials.gov。其患者来源为在上海交通大学医学院附属医院确诊的中国CGD患者。源站描述表明，研究者倾向于收集并分析这些在医院确诊的中国CGD患者的相关资料。除上述信息外，源站未提供更详细的采集流程、时间范围或样本量等信息。
【适用场景】
基于来源站描述，该数据集适用于围绕中国慢性肉芽肿病人群开展的临床、分布与遗传特征研究，其目标在于进一步改善CGD的诊断与治疗水平。对于关注罕见遗传性原发性免疫缺陷、特别是中国CGD患者特征的研究者，该数据集具有潜在的参考价值。其他具体适用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括访问方式、数据结构、字段说明或分析工具等信息。
【质量与限制】
源站未提供关于该数据集质量评估、数据完整性、样本代表性或已知限制的说明。
【引用与许可】
源站未提供该数据集的引用方式与许可条款信息。
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/NCT02231996
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：慢性肉芽肿病。CGD是一种罕见的遗传性原发性免疫缺陷病，由NADPH氧化酶复合物某一亚基缺陷引起。我们倾向于收集并分析在上海交通大学医学院附属医院确诊的中国CGD患者，包括临床特征、实验室数据和遗传信息。我们旨在探究中国人群中CGD的临床、分布、遗传特征等，从而进一步提高CGD的诊断和治疗水平。
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。
