使用肺超声诊断慢性阻塞性肺疾病中的心力衰竭
该数据集来自 clinicaltrials.gov,主题为使用肺超声(LUS)诊断慢性阻塞性肺疾病(COPD)患者中的心力衰竭(HF)

基本信息
资源简介
使用肺超声诊断慢性阻塞性肺疾病中的心力衰竭
该数据集来自 clinicaltrials.gov,主题为使用肺超声(LUS)诊断慢性阻塞性肺疾病(COPD)患者中的心力衰竭(HF)。覆盖呼吸困难、失代偿性心力衰竭与 COPD 急性加重等情形。COPD 在老年及男性人群中常见,急诊中呼吸困难患者区分肺源性与心源性较为困难,体格检查、实验室检查与影像学均不完善。该数据可用于评估 LUS 在伴急性呼吸困难的 COPD 患者中诊断 HF 的贡献,支持相关分类与诊断研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:呼吸困难、失代偿性心力衰竭;COPD 急性加重。慢性阻塞性肺疾病(COPD)是本国人群中的常见疾病,主要影响老年人和男性。呼吸困难是 COPD 患者在急诊科就诊的最常见原因。区分肺源性和/或心源性病因可能具有挑战性。体格检查、实验室检查结果和影像学检查均不完善。肺超声检查(LUS)近来在心力衰竭(HF)诊断中占据重要地位,但其对 COPD 中 HF 诊断的贡献仍研究不足。目的:本研究的目的是评估 LUS 在伴有急性呼吸困难的 COPD 患者中诊断 HF 的贡献。体格检查、实验室检查结果和影像学检查均不完善,导致需要复杂的检测结果,从而延误管理。肺超声
【主题与分类】
主题标签:Dyspnea。本站分类:循环系统疾病/心力衰竭。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05352490
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/NCT05352490
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
病情:呼吸困难、失代偿性心力衰竭;慢性阻塞性肺疾病急性加重。慢性阻塞性肺疾病(COPD)是我国人群中的常见病,主要影响老年人和男性。呼吸困难是COPD患者在急诊科就诊的最常见原因。区分肺源性和/或心源性病因可能具有挑战性。体格检查、实验室检查和影像学检查均不完善。肺超声(LUS)近年来在心力衰竭(HF)诊断中占据了重要地位,但其在COPD患者HF诊断中的贡献研究甚少。目的:本研究旨在评估LUS在伴有急性呼吸困难的COPD患者HF诊断中的贡献。体格检查、实验室检查和影像学检查均不完善,导致需要复杂的检查结果,从而延误治疗。肺超声正在成为急诊科危重病例的标准工具。研究者旨在对因呼吸困难入住ICU的COPD患者进行超声检查,将初次就诊时的肺超声结果与ICU团队的最终诊断进行比较。
评估了三个项目:伪影(提示间质性综合征的水平A线或垂直B线)、肺滑动征以及肺泡实变和/或胸腔积液,这些项目被分组以评估超声特征。本研究评估了肺超声在诊断心力衰竭方面的潜力。本研究的第二个目的是评估急诊科住院医师在评估急性呼吸困难的心脏原因时进行肺超声检查的观察者间可重复性。本研究纳入了因急性呼吸困难就诊的COPD患者。我们对所有纳入的患者进行了肺超声检查。心力衰竭(HF)的诊断基于临床、影像学、心脏超声和专家数据。使用肺超声评分提出的不同截断值计算了肺超声诊断性能指标。然后将急性心力衰竭(AHF)的概率定义为:低概率(肺超声评分<15)
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。




