自身免疫背景相关间质性肺炎 miRNA 发现队列

该数据集来自 omicsdi.org,聚焦伴有自身免疫背景的间质性肺炎(IP)患者的 miRNA 发现队列,属于呼吸系统疾病/肺炎分类,主题标签为 Genomics

omicsdi
浏览 5
基因组分类Genomics
Interstitial Pneumonia associated with an autoimmune background; miRNA discovery cohort

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-22

资源简介

自身免疫背景相关间质性肺炎 miRNA 发现队列

该数据集来自 omicsdi.org,聚焦伴有自身免疫背景的间质性肺炎(IP)患者的 miRNA 发现队列,属于呼吸系统疾病/肺炎分类,主题标签为 Genomics。数据按疾病病程、纤维化病变、IP 影像学模式(含 UIP、NSIP 等)、用力肺活量(FVC 相对参考值低于或高于 80%)及随访 24 个月内 FVC 下降 10% 的结局划分表型,样本富集于以肺部表现为主的初治患者。临床诊断涵盖 IPAF、SSc、RA、ARS 及 SSc/ARS 重叠病,未满足 IPAF 或明确结缔组织病标准者归为 uAIP。可用于识别临床亚组与疾病通路的 miRNA 特征研究(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):我们旨在识别间质性肺炎(IP)合并潜在自身免疫疾病患者的临床亚组与疾病通路的 miRNA 特征。表型依据疾病病程、纤维化疾病、IP 的影像学模式(包括 UIP、NSIP、其他)、用力肺活量(FVC:低于或高于参考值的 80%)以及结局(随访 24 个月内 FVC 下降 10%)进行划分。样本富集于以肺部表现为主的初治患者。临床诊断包括具有自身免疫特征的间质性肺炎(IPAF)、系统性硬化症(SSc)、类风湿关节炎(RA)、抗 tRNA 合成酶综合征(ARS)以及 SSc/ARS 重叠病。未满足 IPAF 或明确结缔组织病标准的患者被归类为未分化自身免疫性 IP(uAIP)。

【主题与分类】

主题标签:Genomics。本站分类:呼吸系统疾病/肺炎。

【获取与许可】

源站页面:https://omicsdi.org/dataset/geo/GSE290111

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://omicsdi.org/dataset/geo/GSE290111

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

本研究旨在识别间质性肺炎(IP)合并潜在自身免疫性疾病患者的临床亚组及疾病通路的miRNA特征谱。表型依据疾病病程、纤维化疾病、IP的影像学模式(包括UIP、NSIP及其他)、用力肺活量(FVC:低于或高于参考值的80%)及结局(24个月随访期间FVC下降10%)进行分组。样本中富集了以肺部表现为主的初治患者。临床诊断包括具有自身免疫特征的间质性肺炎(IPAF)、系统性硬化症(SSc)、类风湿关节炎(RA)、抗氨酰tRNA合成酶综合征(ARS)及SSc/ARS重叠疾病。不符合IPAF或明确结缔组织病诊断标准的患者被归类为未分化自身免疫性间质性肺炎(uAIP)。

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