X连锁肌管肌病：前瞻性国际自然史研究
该数据集来自一项针对X连锁肌管肌病（XLMTM）的国际前瞻性纵向自然史研究，覆盖2014年5月至2017年5月入组的45名男性患者，年龄从3.5个月至56.8岁
基本信息
资源简介
X连锁肌管肌病：前瞻性国际自然史研究
X-linked myotubular myopathy: a prospective international natural history study
该数据集来自一项针对X连锁肌管肌病（XLMTM）的国际前瞻性纵向自然史研究，覆盖2014年5月至2017年5月入组的45名男性患者，年龄从3.5个月至56.8岁。研究评估了患者第一年随访期间的肌力、运动和呼吸功能，并监测针对腺相关病毒8型的体液免疫。数据可用于量化疾病负担、确定最佳结局指标，并为临床试验准备提供依据（来源 DataONE，CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：目的：X连锁肌管肌病（XLMTM）是一种由MTM1基因突变引起的罕见神经肌肉疾病，具有较大的表型异质性，为确保临床试验准备就绪，必须更好地量化疾病负担并确定最佳结局指标。方法：我们设计了一项针对XLMTM患者的国际前瞻性纵向自然史研究，并在第一年随访中评估了肌力以及运动和呼吸功能。同时监测了针对腺相关病毒8型的体液免疫。结果：2014年5月至2017年5月期间入组了45名年龄在3.5个月至56.8岁之间的男性患者。13名患者为轻度表型（无通气支持），7名为中间表型（每天通气支持少于12小时），25名为重度表型（通气支持等
【主题与分类】
主题标签：Muscle disease、[ 185 ] Muscle disease、AAV8 humoral immunity、Case control)、Case control、Centronuclear Myopathy、Respiratory function。本站分类：神经系统疾病。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A82b171d07bf35a4d37adb3493aff8669dfa15ef97dcae7323c33f32f5f1ec436
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
目的：由于X连锁肌管肌病（XLMTM）是一种由MTM1基因突变引起的罕见神经肌肉疾病，具有较大的表型异质性，为确保临床试验就绪，必须更好地量化疾病负担并确定最佳结局指标。方法：我们设计了一项针对XLMTM患者的国际前瞻性纵向自然史研究，并在随访第一年评估了肌力以及运动和呼吸功能。同时监测了针对腺相关病毒血清型8的体液免疫。结果：2014年5月至2017年5月期间共纳入45例男性患者，年龄3.5个月至56.8岁。13例患者为轻度表型（无需通气支持），7例为中间表型（每日通气支持少于12小时），25例为重度表型（每日通气支持等于或大于12小时）。大多数力量和运动功能评估均可进行……
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。
