Marfan与Loeys-Dietz综合征正畸患者的基因型与颅面表型
该数据集来自clinicaltrials.gov,为一项回顾性观察研究,纳入4至18岁经遗传学确诊的Marfan综合征(MFS)与Loeys-Dietz综合征(LDS)正畸患者共39例,按致病遗传变异分为FBN1Cys、FBN1m、FBN1tp等四组

基本信息
资源简介
Marfan与Loeys-Dietz综合征正畸患者的基因型与颅面表型
该数据集来自clinicaltrials.gov,为一项回顾性观察研究,纳入4至18岁经遗传学确诊的Marfan综合征(MFS)与Loeys-Dietz综合征(LDS)正畸患者共39例,按致病遗传变异分为FBN1Cys、FBN1m、FBN1tp等四组。数据覆盖患者基因型与颅面表型信息,可用于探究基因型与颅面表型变异之间的关联,支持口腔正畸相关的表型分析与分组研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:Marfan综合征、Loeys-Dietz综合征。本回顾性观察研究旨在探究受Marfan综合征(MFS)和Loeys-Dietz综合征(LDS)影响的正畸患者中基因型与颅面表型变异之间的关联。年龄在4至18岁之间、转诊至正畸与儿童牙科单元且已确认遗传学诊断的患者被认为符合纳入条件。父母或法定监护人在数据收集前提供了知情同意。共纳入39名患者,并根据潜在的致病遗传变异分为四组: FBN1Cys组:携带FBN1基因错义半胱氨酸变异的Marfan患者。 FBN1m组:携带FBN1基因错义非半胱氨酸变异的Marfan患者。* FBN1tp组:携带FBN1截短变异(无义、移码
【主题与分类】
主题标签:Marfan Syndrome、Loeys-Dietz Syndrome。本站分类:口腔疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07360704
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/NCT07360704
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
疾病:马凡综合征、Loeys-Dietz综合征。本回顾性观察研究旨在探讨受马凡综合征(MFS)和Loeys-Dietz综合征(LDS)影响的正畸患者中,基因型与颅面表型变异之间的关联。年龄在4至18岁之间、转诊至正畸与儿童牙科科室且已确认基因诊断的患者被认为符合纳入条件。父母或法定监护人在数据收集前提供了知情同意。共纳入39名患者,并根据潜在的致病基因变异分为四组:* FBN1Cys组:携带FBN1基因错义半胱氨酸变异的马凡患者。* FBN1m组:携带FBN1基因错义非半胱氨酸变异的马凡患者。* FBN1tp组:携带FBN1截短变异(无义突变、移码突变或剪接突变)的马凡患者。* LD组:携带TGFBR1或TGFBR2基因致病变异的Loeys-Dietz综合征患者。为每个研究组选取了年龄和性别匹配、无遗传性疾病且既往未接受过正畸治疗的对照组。
所有患者均接受了正畸诊断记录,包括侧位头影测量X线片。由于本研究的回顾性性质以及使用了不同的放射设备,仅考虑角度头影测量指标。采用专用软件按照Giannì方法进行头影测量分析,评估矢状向、垂直向及颅底关系。每位患者均与相应的对照组进行比较,并在MFS与LDS患者之间以及Marfan各亚组之间进行比较。所有测量均由同一操作者完成,并评估了评分者内信度。样本量由研究期间符合纳入标准的罕见遗传病患者的可获得性决定。对所有头影测量参数计算了描述性统计量。采用Shapiro-Wilk检验
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。




