SonoHeal用于气道清除的可行性与接受度及与标准治疗的初步比较

数据集获取

源站：https://clinicaltrials.gov/study/NCT07568119

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

疾病类型：囊性纤维化（CF）、非囊性纤维化支气管扩张、慢性阻塞性肺疾病（COPD）。拟议研究旨在评估SonoHeal设备的早期可行性和接受度。该研究将采用FDA推荐的成熟人因工程学方法，评估SonoHeal原型的可用性。研究者还将与标准护理气道清除治疗（ACT）设备——高频胸壁振荡（HFCWO）进行初步比较。本研究将是一项迭代式初步非随机试点试验，旨在评估SA1强化学习算法从体外模型（3D肺模型和动物模型）向患病人类肺部的转化。受试者将使用该原型设备，并对其用户界面和操作便捷性提供反馈。软件算法将根据研究的临床结果进行微调。参与者已在过去6个月内使用VEST设备完成了至少2次近期临床ACT治疗，以提供治疗结果的估计值，相关指标将与SonoHeal设备获得的指标进行比较。

主要结局指标将是定性的；受试者将接受访谈，并鼓励其使用FDA推荐的认知走查评估法口述其体验，访谈回答将被记录，以供审查并在下一阶段改进设计。定量结局变量将包括湿痰重量以及阻力和FEV1的前后变化，用于与VEST进行初步比较，以评估算法性能。所需样本量根据识别原型设备90%以上初始问题的目标确定。最初将纳入N=3名受试者，分3次会话进行，以评估并识别90%以上的算法、操作和可用性问题（问题发现率70%，总计n=9次会话）。随后将纳入N=12名受试者。受试者还将接受个性化训练会话，以针对每位受试者对气道廓清治疗的独特反应优化算法参数。基于第一阶段实验的结果

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。