气道疾病、Barrett食管与未确诊反流的无创生物标志物研究(BADBURN)

BADBURN 数据集来自 clinicaltrials.gov,聚焦纽约消防局(FDNY)世界贸易中心(WTC)暴露的救援与恢复人员

NYU Langone HealthNYU Langone Health
clinicaltrials
浏览 13
其他分类Airway DiseaseBarrett EsophagusGastroesophageal Reflux Disease
Biomarkers of Airway Disease, Barrett's and Underdiagnosed Reflux Noninvasively (BADBURN)

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-08

资源简介

气道疾病、Barrett食管与未确诊反流的无创生物标志物研究(BADBURN)

BADBURN 数据集来自 clinicaltrials.gov,聚焦纽约消防局(FDNY)世界贸易中心(WTC)暴露的救援与恢复人员。该人群多数罹患胃食管反流病(GERD),而 GERD 是 Barrett 食管(BE)及后续食管癌的风险因素。数据覆盖气道疾病、Barrett 食管与胃食管反流病,基于长期表型队列,用于验证 WTC 相关气消化道疾病的生物标志物,并开发 BE 等癌前病变的无创疾病分型,以识别潜在靶向治疗、改善诊疗(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:气道疾病、Barrett 食管、胃食管反流病。大多数纽约消防局(FDNY)世界贸易中心(WTC)暴露的救援和恢复人员罹患胃食管反流病(GERD),这是 Barrett 食管(BE)及后续食管癌的风险因素。与 GERD 和 BE 等气消化道疾病相关的健康相关生活质量下降和生产力降低。本提案将利用长期表型化的 WTC 暴露队列,验证 WTC 气消化道疾病的生物标志物,并开发 BE 等癌前病变的新型无创疾病分型,以及识别可能改善诊疗的潜在靶向治疗。

【主题与分类】

主题标签:Airway Disease、Barrett Esophagus、Gastroesophageal Reflux Disease。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05216133

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT05216133

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:气道疾病、巴雷特食管、胃食管反流病。纽约消防局(FDNY)世界贸易中心(WTC)暴露的救援和恢复人员中,大多数患上了胃食管反流病(GERD),这是巴雷特食管(BE)及后续食管癌的一个危险因素。与GERD和BE等呼吸消化系统疾病相关的健康相关生活质量和生产力均有所下降。本提案将利用纵向表型分析的WTC暴露队列,验证WTC呼吸消化系统疾病的生物标志物,并开发针对BE等癌前病变的新型非侵入性疾病表型分析方法,以及识别潜在的靶向治疗手段以改善护理。

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。

获取专属数据定制方案