呼吸系统疾病对照数据集

该数据集为多种呼吸系统疾病患者的对照参与者登记数据,覆盖慢性阻塞性肺疾病、哮喘、特发性肺纤维化、非结核分枝杆菌感染、支气管扩张和肺癌

Seoul National University HospitalSeoul National University Hospital
clinicaltrials
浏览 3
表格Chronic Obstructive Pulmonary DiseaseAsthmaIdiopathic Pulmonary FibrosisNontuberculous Mycobacterium InfectionBronchiectasisLung Cancer
Controls for Respiratory Diseases

基本信息

模态
表格
创建/更新时间
2026-10-20

资源简介

呼吸系统疾病对照数据集

该数据集为多种呼吸系统疾病患者的对照参与者登记数据,覆盖慢性阻塞性肺疾病、哮喘、特发性肺纤维化、非结核分枝杆菌感染、支气管扩张和肺癌。参与者来自首尔国立医院医疗系统江南中心常规健康体检的健康志愿者及同意参与研究的患者,接受基线问卷、提供血液标本并提交健康体检结果信息。无显著呼吸症状且无显著影像学异常者纳入为对照。该数据可用于与各类呼吸系统疾病登记数据进行比较研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:慢性阻塞性肺疾病、哮喘、特发性肺纤维化、非结核分枝杆菌感染、支气管扩张、肺癌。这是多种呼吸系统疾病患者的对照参与者登记。我们筛查了到首尔国立医院医疗系统江南中心进行常规健康体检的健康志愿者,并纳入同意参与研究的患者。参与者接受基线问卷、提供血液标本并提供健康体检结果信息。如果参与者无显著呼吸症状且无显著影像学异常,我们将纳入其为对照。该登记的数据将与其他各种呼吸系统疾病登记的数据进行比较。

【主题与分类】

主题标签:Chronic Obstructive Pulmonary Disease、Asthma、Idiopathic Pulmonary Fibrosis、Nontuberculous Mycobacterium Infection、Bronchiectasis、Lung Cancer。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03120481

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT03120481

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:慢性阻塞性肺疾病、哮喘、特发性肺纤维化、非结核分枝杆菌感染、支气管扩张、肺癌。这是多种呼吸系统疾病患者对照参与者的登记研究。我们筛选了在首尔国立大学医院医疗系统江南中心进行常规健康体检的健康志愿者,并纳入同意参与研究的患者。参与者需完成基线问卷、提供血液标本及健康体检结果信息。若参与者无明显呼吸系统症状且无显著影像学异常,我们将纳入其为对照。该登记研究的数据将与其他多种呼吸系统疾病登记研究的数据进行比较。

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。

获取专属数据定制方案