补体前瞻性评估内皮细胞上的血栓性微血管病
该数据集来自 clinicaltrials.gov,聚焦血栓性微血管病(TMA)及其相关疾病,包括非典型溶血性尿毒症综合征(HUS)和溶血性尿毒症综合征

基本信息
资源简介
补体前瞻性评估内皮细胞上的血栓性微血管病
该数据集来自 clinicaltrials.gov,聚焦血栓性微血管病(TMA)及其相关疾病,包括非典型溶血性尿毒症综合征(HUS)和溶血性尿毒症综合征。源站描述指出 TMA 可累及肾脏和脑,补体替代途径失调可能是原发性非典型 HUS 的病因,部分患者存在补体基因罕见变异,继发性非典型 HUS 则与共存疾病相关。数据可用于研究 TMA 的补体机制、疾病分类及治疗靶点(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:血栓性微血管病、非典型溶血性尿毒症综合征、溶血性尿毒症综合征。血栓性微血管病(TMA)是一种严重且危及生命的疾病,常累及肾脏和脑。它可发生于多种临床疾病的背景下。补体替代途径的失调可能是其病因,根据当前命名法,这类 TMA 被分类为原发性非典型溶血性尿毒症综合征(HUS)。一半的原发性非典型 HUS 患者存在补体基因的罕见变异,尽管通常还需要共存疾病才能使 TMA 显现。在继发性非典型 HUS 患者中,某些共存疾病似乎驱动了疾病,治疗应针对基础疾病以使 TMA 缓解。最近,研究者通过使用一种新型 i
【主题与分类】
主题标签:Thrombotic Microangiopathies、Hemolytic Uremic Syndrome, Atypical、Hemolytic-Uremic Syndrome。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04745195
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/NCT04745195
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:血栓性微血管病、非典型溶血性尿毒综合征、溶血性尿毒综合征。血栓性微血管病(TMA)是一种严重且危及生命的疾病,常累及肾脏和大脑。它可发生于多种临床基础疾病之上。补体旁路途径的失调可能是其病因,根据现行命名法,此类TMA被归类为原发性非典型溶血性尿毒综合征(HUS)。半数原发性非典型HUS患者存在补体基因的罕见变异,尽管通常需要共存疾病才能使TMA显现。在继发性非典型HUS患者中,某些共存疾病似乎是驱动疾病的因素,治疗应针对基础疾病以使TMA缓解。近期,研究者利用一种新近自主研发的基于内皮细胞的功能性检测方法证实,在部分继发性非典型HUS患者中,补体失调和过度激活是疾病及其后遗症的主要原因,对治疗和预后具有影响。
研究人员确实首先在表现为TMA和高血压急症的患者中证实了这一概念。需要开展一项前瞻性研究,以进一步在TMA谱系中印证这些发现。研究人员假设,他们基于功能性内皮细胞的检测,即所谓的“HMEC”检测,能够更好地将TMA归类为具有潜在治疗和预后意义的不同组别。从而为实现精准医学的最终目标铺平道路。
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。




