咯血的流行病学与诊断:多中心研究

该数据集来自 clinicaltrials.gov,聚焦咯血的流行病学与诊断,覆盖肺癌、结核病、支气管扩张、肺炎、急性支气管炎、慢性阻塞性肺疾病及隐源性咯血等病因

University of MilanUniversity of Milan
clinicaltrials
浏览 9
其他分类Lung CancerTuberculosisBronchiectasisPneumoniaAcute BronchitisChronic Obstructive Pulmonary DiseaseCryptogenic Haemoptysis
Epidemiology and Diagnosis of Haemoptysis: a Multicenter Study

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-20

资源简介

咯血的流行病学与诊断:多中心研究

该数据集来自 clinicaltrials.gov,聚焦咯血的流行病学与诊断,覆盖肺癌、结核病、支气管扩张、肺炎、急性支气管炎、慢性阻塞性肺疾病及隐源性咯血等病因。源站描述指出咯血是源自呼吸道的常见且令人担忧的临床症状,其病因多样,而流行病学与最佳诊断路径尚不明确;研究旨在明确当前流行病学特征,并通过提供诊断算法给出最佳诊断方法。数据可用于咯血相关病因分析与诊断路径研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:肺癌、结核病、支气管扩张、肺炎、急性支气管炎、慢性阻塞性肺疾病、隐源性咯血。咯血是指源自呼吸道的咳血。它是一种常见且令人担忧的临床症状,可由不同病因引起,包括肺癌、结核病、COPD、支气管扩张、肺炎、急性支气管炎或不明原因(隐源性咯血)。流行病学和最佳诊断方法在很大程度上尚不清楚。本研究的目的是明确当前流行病学,并通过提供诊断算法来提供最佳诊断方法。

【主题与分类】

主题标签:Lung Cancer、Tuberculosis、Bronchiectasis、Pneumonia、Acute Bronchitis、Chronic Obstructive Pulmonary Disease、Cryptogenic Haemoptysis。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT02045394

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/NCT02045394

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

研究条件:肺癌、肺结核、支气管扩张、肺炎、急性支气管炎、慢性阻塞性肺疾病、隐源性咯血。咯血是指源自呼吸道的血液经咳嗽排出。它是一种常见且令人担忧的临床症状,可由不同病因引起,包括肺癌、肺结核、慢性阻塞性肺疾病、支气管扩张、肺炎、急性支气管炎或不明原因(隐源性咯血)。其流行病学和最佳诊断方法在很大程度上尚不明确。本研究旨在明确当前的流行病学状况,并通过提供诊断算法来给出最佳诊断方法。

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