巨细胞动脉炎心血管区域B细胞生物学图谱:迈向新治疗方法(RituxiMAP GCA)
该数据集来自 clinicaltrials.gov,聚焦巨细胞动脉炎(GCA)这一自身免疫性疾病,覆盖主动脉及其他大血管受累情况

基本信息
资源简介
巨细胞动脉炎心血管区域B细胞生物学图谱:迈向新治疗方法(RituxiMAP GCA)
该数据集来自 clinicaltrials.gov,聚焦巨细胞动脉炎(GCA)这一自身免疫性疾病,覆盖主动脉及其他大血管受累情况。源站描述指出当前治疗依赖类固醇且副作用显著,其他新疗法有限、停药后易复发,尤其大血管受累(LV-GCA)患者亟需新疗法;B细胞被认为在动脉粥样硬化等疾病的血管损伤中起关键作用,也可能参与GCA。数据可用于探索GCA心血管区域的B细胞生物学特征及潜在治疗方向(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:巨细胞动脉炎(GCA)。巨细胞动脉炎(GCA)是一种自身免疫性疾病,可引起全身中型和大动脉的炎症。过去认为该病主要影响颞动脉,现在了解到该病更为广泛,大多数患者表现出主动脉和其他大血管受累。当前治疗严重依赖类固醇,而类固醇可引起显著副作用。GCA的其他新型治疗也很有限,许多患者在停止治疗后复发。因此,迫切需要针对GCA的新疗法,尤其是对大血管受累(LV-GCA)的患者。B细胞——一种免疫细胞——被认为在动脉粥样硬化等疾病中引起血管损伤方面发挥关键作用,并可能与GCA有关。因此,一种潜在的治疗
【主题与分类】
主题标签:Giant Cell Arteritis (GCA)。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07269938
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/NCT07269938
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:巨细胞动脉炎(GCA)。巨细胞动脉炎(GCA)是一种自身免疫性疾病,可导致全身中大型动脉发生炎症。过去认为该病主要累及颞动脉,现已认识到该病累及范围更广,大多数患者存在主动脉及其他大血管受累。目前的治疗高度依赖类固醇,而类固醇可导致显著的副作用。GCA的其他新型治疗方法也较为有限,许多患者在停药后复发。因此,迫切需要针对GCA的新疗法,尤其是对大血管受累(LV-GCA)患者。B细胞——一种免疫细胞——被认为在动脉粥样硬化等疾病中对血管造成损伤起关键作用,也可能与GCA有关。因此,一种潜在的治疗思路是使用利妥昔单抗(RTX)靶向B细胞,该药已用于其他免疫性疾病。为安全有效地探索这一可能性,我们需要一种方法来观察B细胞在体内的分布,以及它们在GCA治疗中受到的影响。
这可以通过使用锆-89标记的利妥昔单抗进行全身PET扫描来实现。通过给患者注射锆-89标记的利妥昔单抗,然后进行全身PET扫描,本研究希望在GCA患者的血管内实时追踪B细胞。该扫描已安全用于癌症、肺部疾病和类风湿关节炎的研究。总之,本可行性研究的目的在于:* 绘制LV-GCA患者体内B细胞的位置分布 * 将该活动与血液和活检样本进行比较 * 检验类固醇治疗是否降低B细胞活动 如果成功,这可能为靶向B细胞的治疗(如利妥昔单抗)铺平道路,从而减少对类固醇的需求并更好地控制LV-GCA的炎症。这将是一项观察性纵向试点研究,并嵌套基线病例对照比较。该研究w
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。

![大血管炎大轴向视野[18F]FDG PET/CT成像方案优化研究](/medical-api/medicalDataset/datasetCover/148497.jpg)


