罕见病机构登记数据库
该数据集为罕见病机构登记数据库，来源于clinicaltrials.gov，覆盖罕见病、淀粉样变性、结节病、斑痣性错构瘤病、嗜铬细胞瘤、副神经节瘤、Von Hippel-Lindau病及免疫球蛋白G4相关疾病等
基本信息
资源简介
罕见病机构登记数据库
该数据集为罕见病机构登记数据库，来源于clinicaltrials.gov，覆盖罕见病、淀粉样变性、结节病、斑痣性错构瘤病、嗜铬细胞瘤、副神经节瘤、Von Hippel-Lindau病及免疫球蛋白G4相关疾病等。罕见病复杂且患病率低，数据分散，建立统一的机构登记库有助于整合信息、推动研究。登记系统可快速高效地系统采集特定时间大量患者的数据，主要难点在于保证数据质量。该登记库旨在理解风险因素与预后，并评估诊断等相关内容，可用于罕见病的分类与预测研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：罕见病、淀粉样变性、结节病、斑痣性错构瘤病、嗜铬细胞瘤、副神经节瘤、Von Hippel-Lindau病、免疫球蛋白G4相关疾病。罕见病（RD）因其复杂性和低患病率而构成健康挑战，在发病率、死亡率和成本方面造成负担。这些疾病数据的碎片化使其难以被全面理解。因此，创建一个汇集罕见病信息的宏观机构登记库将有助于该领域的研究。登记库是有组织的系统，可在特定时间快速高效地系统采集大量特定疾病患者的数据。登记库的主要难点在于保证其数据质量。该登记库的主要目标是：了解风险因素和预后。评估诊断
【主题与分类】
主题标签：Rare Diseases、Amyloidosis、Sarcoidosis、Phacomatosis、Pheochromocytoma、Paraganglioma、Von Hippel-Lindau Disease、Immunoglobulin G4-Related Disease、Demyelinating Diseases、Inborn Errors of Metabolism。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06573723
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/NCT06573723
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：罕见病、淀粉样变性、结节病、斑痣性错构瘤病、嗜铬细胞瘤、副神经节瘤、Von Hippel-Lindau病、免疫球蛋白G4相关疾病。罕见病（RD）因其复杂性和低患病率而构成健康挑战，在发病率、死亡率及医疗费用方面造成负担。这些疾病数据的碎片化使其难以被全面理解。因此，建立一个汇集罕见病信息的宏观机构登记系统将有助于该领域的研究。登记系统是有组织的系统化数据收集体系，能够在特定时间快速高效地收集大量特定疾病患者的数据。登记系统的主要难点在于保证其数据质量。登记系统的主要目标包括：了解风险因素和预后。评估诊断和治疗与当前标准的比较。推进对疾病的认识，以优化患者的评估、治疗和监测。分析新疗法的有效性。研究人群之间的差异。
快速估计某一疾病实体相关的发病率、死亡率和资源利用情况。考察疾病的病程。为后续前瞻性研究提出新的假设。
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。
