SWEEP：肺切除运动评估中的往返步行测试
该数据集来自 clinicaltrials.gov，为一项前瞻性观察性研究，评估往返步行测试（SWT）能否预测慢性呼吸疾病患者肺切除术后症状，尤其是呼吸困难
基本信息
资源简介
SWEEP：肺切除运动评估中的往返步行测试
该数据集来自 clinicaltrials.gov，为一项前瞻性观察性研究，评估往返步行测试（SWT）能否预测慢性呼吸疾病患者肺切除术后症状，尤其是呼吸困难。研究对象包括 COPD、ILD、支气管扩张、Lung Cancer NOS 及活动时呼吸困难患者。目前术前常用 DLCO 或心肺运动试验（CPET）评估手术风险与运动能力，但受设备或等待时间限制并非总能实施。SWT 更简单、安全且经济，在韩国已被认可为评估运动能力的新医疗技术。数据可用于预测术后症状及运动能力相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：COPD、ILD、支气管扩张、Lung Cancer NOS、活动时呼吸困难。这是一项前瞻性观察性研究，评估往返步行测试（SWT）能否预测接受肺切除术的慢性呼吸疾病患者的术后症状，尤其是呼吸困难。目前，DLCO 或心肺运动试验（CPET）等工具用于在肺部手术前评估手术风险和运动能力。然而，由于设备限制或等待时间长，这些测试并非总能实施。SWT 是一种更简单、更安全且更具成本效益的替代方案，最近在韩国被认可为评估运动能力的新医疗技术。在这项研究中，计划接受肺切除术的慢性肺部疾病患者（如 COPD、ILD 或支气管扩张）将在手术前进行 SWT。
【主题与分类】
主题标签：COPD、ILD、Bronchiectasis、Lung Cancer NOS、Dyspnea During Activity。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07102589
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/NCT07102589
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：COPD、ILD、支气管扩张、非小细胞肺癌、活动时呼吸困难。这是一项前瞻性观察性研究，旨在评估穿梭步行试验（SWT）能否预测接受肺切除术的慢性呼吸系统疾病患者术后症状，尤其是呼吸困难。目前，DLCO或心肺运动试验（CPET）等工具被用于评估肺部手术前的手术风险和运动能力。然而，由于设备限制或等待时间过长，这些检查并非总能实施。SWT是一种更简单、更安全且更具成本效益的替代方案，最近在韩国被认定为评估运动能力的新医疗技术。在这项研究中，计划接受肺切除术的慢性肺部疾病患者（如COPD、ILD或支气管扩张）将在术前进行SWT。术前及术后三个月将通过问卷评估其症状和生活质量。目标是确定SWT结果能否帮助预测术后呼吸困难，并为术前风险分层提供有用信息。
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。
