中国西部儿童杜氏与贝克型肌营养不良多中心队列研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07511920

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：贝克型肌营养不良症、肌营养不良症、肌营养不良症（DMD）、杜氏肌营养不良症。详细说明 1. 综合科学依据与知识空白 杜氏肌营养不良症（DMD）的特征是疾病轨迹高度异质，单一维度的评估无法完全反映其全貌。尽管功能衰退的各个里程碑（如丧失行走能力或用力肺活量下降）已得到充分确认，但骨骼肌病理、全身脂肪代谢、心肺功能与真实世界功能表现之间随时间变化的动态且复杂的相互关系，仍缺乏充分的量化研究。这种对DMD进展缺乏系统层面、整合性理解的现状，从根本上限制了临床医生为个体患者进行预后判断、优化干预时机以及主动定制康复和管理方案的能力。现有的预测模型往往依赖有限的功能或遗传参数，未能充分整合疾病演变过程中发生的多系统生理重塑。

本研究的核心逻辑在于，通过同步采集并整合多个生理域的高维数据，可以实现对疾病进展更稳健且更具临床可操作性的理解。具体而言，我们假设对体成分的详细分析——包括特定肌群的进行性萎缩、肌肉和器官内异位脂肪浸润的模式，以及内脏脂肪组织分布的变化——蕴含丰富的信息，能够反映潜在的分子病理生理机制。我们认为，对这些体成分变化进行同步纵向分析，并结合传统功能指标和先进的心肺影像学检查，将揭示出孤立研究各领域时无法显现的、具有协同作用的新型疾病进展生物标志物。本研究旨在填补一个关键的知识空白：即系统层面地描绘不同或

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。