慢性鼻窦炎患者鼻腔与鼻窦气流数据集
慢性鼻窦炎（CRS）是一种鼻旁窦的持续性炎症性疾病，其特征是临床症状包括鼻气道阻塞、黏液分泌物、面部疼痛、头痛和嗅觉丧失[1, 2]
基本信息
资源简介
慢性鼻窦炎患者鼻腔与鼻窦气流数据集
该数据集英文名为“Airflow in the human nasal passage and sinuses of chronic rhinosinusitis subjects”，来源于 search.dataone.org，在本站被归类为消化系统疾病 / 其他。数据集围绕慢性鼻窦炎（Chronic Rhinosinusitis, CRS）这一鼻旁窦持续性炎症性疾病展开。根据源站描述，CRS 的临床特征包括鼻气道阻塞、黏液分泌物、面部疼痛、头痛和嗅觉丧失。对于抗生素、糖皮质激素（全身用药和局部鼻喷剂）等药物治疗效果不佳的患者，通常会实施功能性内镜鼻窦手术（FESS），其目标在于开放阻塞的鼻窦开口（窦口）、改善鼻窦通气并恢复黏液纤毛清除功能。部分患者术后症状仍持续或疾病难以控制，可能需要接受更广泛的修正性手术，如改良内镜 Lothrop 手术（MELP）。数据集名称表明其内容与慢性鼻窦炎受试者鼻腔通道及鼻窦内的气流相关。
【数据集背景】
慢性鼻窦炎是一种鼻旁窦的持续性炎症性疾病，临床表现为鼻气道阻塞、黏液分泌物、面部疼痛、头痛和嗅觉丧失。药物治疗（如抗生素及全身或局部鼻喷糖皮质激素）失败的患者常需接受功能性内镜鼻窦手术，手术目标是开放阻塞的窦口、改善鼻窦通气、恢复黏液纤毛清除。初次手术后，部分患者症状持续或疾病顽固，需行更广泛的改良内镜 Lothrop 手术（MELP）。源站描述指出，MELP 与标准额窦解剖的不同之处在于对额窦喙的处理方式，但该段描述在源站文本中被截断，未能提供完整信息。该数据集即面向上述慢性鼻窦炎人群的鼻腔通道与鼻窦气流研究背景。
【数据内容】
数据集名称指向慢性鼻窦炎受试者鼻腔通道及鼻窦内的气流。除名称所表达的主题外，源站未提供关于具体变量、样本量、文件格式、数据结构或测量指标的说明。
【采集与来源】
数据来源站为 search.dataone.org。源站未提供具体的采集方法、采集地点、采集时间、受试者招募方式或数据处理流程等信息。
【适用场景】
基于数据集名称与源站背景描述，该数据可用于与慢性鼻窦炎患者鼻腔及鼻窦气流相关的研究场景，例如结合鼻窦通气、窦口开放与黏液纤毛清除等临床关注点开展分析。源站未提供关于具体适用分析类型、建模用途或验证场景的进一步说明。
【使用方法】
源站未提供数据下载方式、文件组织说明、字段定义、预处理步骤或使用教程等信息。
【质量与限制】
源站未提供关于数据完整性、准确性、样本代表性、缺失值情况或已知偏差的说明。源站描述中关于 MELP 手术的文本存在截断，相关细节不完整。
【引用与许可】
该数据集采用 CC0 1.0 Universal（CC0 1.0）公共领域贡献许可。源站未提供具体的引用格式或推荐引用文献信息。
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
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
慢性鼻窦炎（CRS）是一种鼻旁窦的持续性炎性疾病，其特征为临床症状包括鼻气道阻塞、黏液性分泌物、面部疼痛、头痛和嗅觉丧失[1, 2]。功能性内镜鼻窦手术（FESS）适用于经抗生素和皮质类固醇（全身用药和局部鼻喷剂）等药物治疗后未能改善的患者。鼻窦手术的目标是开放阻塞的鼻窦开口（窦口），改善鼻窦通气并恢复黏液纤毛清除功能。初次手术后，部分患者可能仍持续存在症状和顽固性疾病，对此需施行更为广泛的手术，如改良内镜下Lothrop手术（MELP）[3–5]。MELP手术与标准额窦解剖术的不同之处在于，前者既处理使额窦开口狭窄的额窦喙部，也处理邻近的鼻中隔上部和额窦间隔……
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。
