多学科前瞻性队列IMMINeNT部署

数据集获取

源站：https://clinicaltrials.gov/study/NCT04334031

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

疾病：慢性炎症性疾病、血管性水肿、重度哮喘、狼疮、特应性皮炎、银屑病关节炎、多发性硬化、系统性硬化症。免疫介导的炎症性疾病（IMIDs）最常影响年轻患者，具有较高的发病率和死亡率，并显著改变患者的生活质量，带来职业、社会和情感方面的影响。除这一负担外，IMIDs还共享许多共同的病理生理机制和治疗方法，即所谓的“靶向治疗”。尽管该领域已取得进展，但在临床、治疗和基础研究方面仍有许多工作要做，以解决治疗的疗效、耐药性和副作用问题。IMIDs之间的这些相似性促使FHU IMMINeNT提出建立一项前瞻性、多学科的临床-生物学数据库（IMMINeNT队列），并配套建立生物样本库，纳入IMIDs患者。

该数据库的主要目标是识别新的预后和治疗生物标志物，以开发新的治疗靶点和生物标志物，确定与IMIDs患者的活动性、严重程度和生活质量相关的预后因素和决定因素，以及对治疗的反应和耐受性。

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。