BREVOC 研究：急诊高危胸痛呼出 VOC 检测

数据集获取

源站：https://clinicaltrials.gov/study/NCT07379567

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：急性冠脉综合征、高危胸痛、挥发性有机化合物。1. 研究背景 自精准医学概念提出以来，临床诊断技术的创新与优化已成为医学研究的核心议题。传统诊断方法——包括影像学、血液学和组织学——往往依赖于侵入性操作。尽管这些技术能提供高度准确的诊断信息，但它们伴随着高成本、操作复杂性以及潜在的患者伤害风险，使其不太适合快速筛查和动态监测。因此，开发非侵入性、快速且成本效益高的诊断技术已成为现代医学的迫切需求。作为代谢最活跃的器官之一，肺将身体组织产生的代谢物交换到血液中，随后这些代谢物被呼出。因此，呼出气可以反映身体的生理和病理状态。

历史上，医生通过体味变化来识别某些疾病——例如，糖尿病酮症酸中毒患者呼出带有果味的“烂苹果”气味，肝病患者则有鱼腥味。当时，这些气味背后的具体化学成分尚不清楚。1971年，Pauling等人首次将气相色谱应用于人体呼出气分析，鉴定出数百种挥发性有机化合物（VOCs），从而为呼气分析技术奠定了基础。急性胸痛是急诊科最常见的就诊症状之一，病因多样，预后各异。几种危及生命的心血管急症——如急性冠脉综合征（ACS）、急性肺栓塞（APE）和急性主动脉综合征（AAS）——通常表现为急性胸痛，需要在急诊环境中及时诊断和治疗。然而，并非所有胸痛病例都属高危。相当一部分患者（例如肋间神经痛患者）预后良好，不会再次

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。