与法国颅内动脉瘤登记库关联的多模态生物样本库

该数据集来自 clinicaltrials.gov,关联法国颅内动脉瘤登记库,属于神经系统疾病范畴。bCAN 研究的主要目标是通过整合基因突变、影像学发现与颅内动脉瘤破裂特征,构建颅内动脉瘤表型的预测模型

Nantes University HospitalNantes University Hospital
clinicaltrials
浏览 15
基因组预测AneurysmBrain AneurysmCongenital Disease
Multimodal Biocollection Linked to the French Register of Intracranial Aneurysms

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-08

资源简介

与法国颅内动脉瘤登记库关联的多模态生物样本库

该数据集来自 clinicaltrials.gov,关联法国颅内动脉瘤登记库,属于神经系统疾病范畴。bCAN 研究的主要目标是通过整合基因突变、影像学发现与颅内动脉瘤破裂特征,构建颅内动脉瘤表型的预测模型。次要目标包括研究颅内动脉瘤与血管分叉的形态学特征,深化不同家族中已识别基因对应的基因型与临床及生物学表型关系,并在大规模散发性颅内动脉瘤人群中研究与验证基因型与表型(含破裂)之间的关系。数据可用于颅内动脉瘤表型预测、基因型-表型关联分析及形态学特征研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:动脉瘤、脑动脉瘤、先天性疾病。bCAN 研究的主要目标是通过结合基因突变、影像学发现和 ICA 破裂特征的信息,构建颅内动脉瘤表型的预测模型。bCAN 研究的次要目标是:(i) 研究 ICA 和血管分叉的形态学特征;(ii) 根据不同家族中识别出的基因,加深对基因型/临床和生物学表型关系的认识;(iii) 在大量散发性 ICA 病例人群中研究和验证 ICA 基因型与表型(包括破裂)之间的关系。

【主题与分类】

主题标签:Aneurysm、Brain Aneurysm、Congenital Disease。本站分类:神经系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06689410

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/NCT06689410

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:动脉瘤、脑动脉瘤、先天性疾病。bCAN研究的主要目标是通过结合基因突变信息、影像学表现及ICA破裂特征,构建颅内动脉瘤表型的预测模型。bCAN研究的次要目标包括:(i) 研究ICA及血管分叉的形态学特征,(ii) 根据不同家族中识别出的基因,深化对基因型/临床与生物学表型关系的认识,(iii) 在大量散发性ICA病例群体中,研究并验证ICA基因型与表型(包括破裂)之间的关系。

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