利用人体呼出气中挥发性有机化合物生物标志物识别多种肺部疾病
该数据集来自 clinicaltrials.gov，聚焦肿瘤/肺癌方向，是一项前瞻性、横断面、观察性队列研究，计划招募 10,000 名患有多种肺部疾病的参与者，涵盖肺癌、肺部感染、COPD、支气管炎、肺纤维化、肺栓塞、肺动脉高压、肺结核等
基本信息
资源简介
利用人体呼出气中挥发性有机化合物生物标志物识别多种肺部疾病
该数据集来自 clinicaltrials.gov，聚焦肿瘤/肺癌方向，是一项前瞻性、横断面、观察性队列研究，计划招募 10,000 名患有多种肺部疾病的参与者，涵盖肺癌、肺部感染、COPD、支气管炎、肺纤维化、肺栓塞、肺动脉高压、肺结核等。研究采集参与者呼出气样本，并使用气相色谱-质谱联用（GC-MS）与微型气相色谱-光离子化检测器（μGC-PID）系统进行分析，可用于基于呼出气挥发性有机化合物生物标志物的肺部疾病识别与分类研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：Conditions: Lung Cancer, Lung Infection, COPD, Bronchitis, Pulmonary Fibrosis, Pulmonary Embolism, Pulmonary Arterial Hypertension, Pulmonary Tuberculosis. 这是一项前瞻性、横断面、观察性队列研究，旨在招募 10,000 名患有多种肺部疾病的参与者，包括肺癌、肺部感染、慢性阻塞性肺疾病（COPD）、支气管炎、肺纤维化、肺栓塞、肺动脉高压、结核病、肺脓肿、肺气肿、放射性肺损伤、肺囊性纤维化、支气管哮喘、支气管扩张、间质性肺病（ILD）、保留比值受损肺量计（PRISm）等。将采集这些参与者的呼出气样本，并使用气相色谱-质谱联用（GC-MS）和微型气相色谱-光离子化检测器（μGC-PID）系统进行分析。在获得 μGC-P
【主题与分类】
主题标签：Lung Cancer、Lung Infection、COPD、Bronchitis、Pulmonary Fibrosis、Pulmonary Embolism、Pulmonary Arterial Hypertension、Pulmonary Tuberculosis、Pulmonary Abscess、Emphysema。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06528418
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/NCT06528418
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
疾病类型：肺癌、肺部感染、慢性阻塞性肺疾病（COPD）、支气管炎、肺纤维化、肺栓塞、肺动脉高压、肺结核。这是一项前瞻性、横断面、观察性队列研究，旨在招募10，000名患有多種肺部疾病的参与者，包括肺癌、肺部感染、慢性阻塞性肺疾病（COPD）、支气管炎、肺纤维化、肺栓塞、肺动脉高压、结核病、肺脓肿、肺气肿、放射性肺损伤、肺囊性纤维化、支气管哮喘、支气管扩张、间质性肺病（ILD）、保留比值受损肺功能（PRISm）等。将收集这些参与者的呼出气样本，并使用气相色谱-质谱联用仪（GC-MS）和微型气相色谱-光离子化检测器（μGC-PID）系统进行分析。在获得μGC-PID结果后，将利用临床诊断结果、CT检查数据和临床数据，对呼出气样本在区分各种肺部疾病方面的诊断能力进行全面评估。
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。
