动态多导睡眠图检测多系统萎缩患者睡眠呼吸暂停的评估（SAMSA）

数据集获取

源站：https://clinicaltrials.gov/study/NCT00743561

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

条件：睡眠呼吸暂停综合征、多系统萎缩。MSA患者常出现睡眠呼吸暂停。住院多导睡眠监测目前是诊断睡眠呼吸暂停的金标准。然而，其可及性有限且成本高昂，限制了MSA患者的系统性筛查。相比之下，动态呼吸监测在神经内科短期住院期间或患者家中易于实施。其在MSA中的有效性尚不明确。本研究旨在评估在神经内科短期住院期间实施的动态呼吸监测在诊断MSA患者睡眠呼吸暂停方面是否与住院多导睡眠监测具有相同的效能。呼吸监测记录也将在白天进行，以描述日间呼吸障碍。主要目的：评估动态呼吸监测在诊断MSA患者睡眠呼吸暂停方面的效能，并与多导睡眠监测（参考测试）进行比较。

次要目标：评估动态多导睡眠图在诊断睡眠呼吸暂停中的表现，与多导睡眠监测相比，在MSA患者的两个亚组中：根据柏林问卷和Epworth嗜睡量表结果分为高风险组和低风险组。评估动态多导睡眠图的评估者间一致性。评估睡眠呼吸暂停与（i）MSA严重程度、（ii）生活质量、（iii）睡眠质量以及（iv）抑郁存在之间的关联。评估睡眠呼吸暂停严重程度与（i）MSA严重程度、（ii）生活质量、（iii）睡眠质量以及（iv）抑郁存在之间的关联。通过日间进行多导睡眠图记录，评估MSA中的日间呼吸障碍。评估MSA中日间呼吸障碍与（i）MSA严重程度和（ii）生活质量之间的关联。研究设计：横断面前瞻性研究（在神经内科病房短期住院期间进行动态多导睡眠图检查与住院

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。