COVID-19 期间的神经系统特征
数据覆盖中枢与周围神经损伤的短期和长期临床、影像学及电生理表现，并关注神经、呼吸与自主神经功能之间的关联，以及神经损害短期和长期预后的判定
基本信息
资源简介
COVID-19 期间的神经系统特征
Neurological Features During COVID19 是一个聚焦于 SARS-CoV-2 感染相关神经系统损害的数据集，主题标签为脑炎（Encephalitis），在分类上归属于神经系统疾病下的“其他”类别，来源为 clinicaltrials.gov。该数据集围绕中枢与周围神经损伤的短期和长期临床、影像学及电生理表现展开，同时关注神经系统、呼吸系统与自主神经功能之间的关联，并涉及神经损害短期和长期预后的判定。整体而言，它面向 COVID-19 背景下神经系统并发症的识别、描述与随访研究，为理解感染后神经损伤的表现谱和转归提供数据支撑。
【数据集背景】
SARS-CoV-2 感染除呼吸系统受累外，还可累及中枢与周围神经系统，脑炎是其中受到关注的表现之一。该数据集正是在这一背景下建立，旨在描述 SARS-CoV-2 感染所致中枢和周围神经损伤的短期与长期临床、影像学及电生理表现，并进一步考察神经系统、呼吸系统与自主神经功能之间的关联，以及神经损害在短期和长期层面的预后判定。数据集以脑炎为主题标签，归入神经系统疾病/其他分类，来源于 clinicaltrials.gov。
【数据内容】
数据集覆盖的核心内容为神经损伤的临床表现、影像学表现和电生理表现，并区分短期与长期两个时间维度。具体而言，其关注中枢神经与周围神经损伤在这三类表现上的特征，同时纳入神经、呼吸与自主神经功能之间关联的分析线索，以及神经损害短期和长期预后的判定。主题标签为脑炎。关于数据的具体变量、字段结构、样本量、记录条数等信息，源站未提供。
【采集与来源】
该数据集来源站为 clinicaltrials.gov，分类归属为神经系统疾病/其他，主题标签为脑炎。源站描述中列出的关注条件为脑炎（Encephalitis）。关于采集方法、采集时间范围、采集机构、随访安排等具体信息，源站未提供。
【适用场景】
基于其内容定位，该数据集适用于围绕 SARS-CoV-2 感染相关神经系统损害的研究场景，包括对中枢与周围神经损伤短期和长期临床、影像学及电生理表现的描述性分析，神经、呼吸与自主神经功能关联的探讨，以及神经损害短期和长期预后判定的相关研究。主题上可服务于脑炎等神经系统疾病方向的分析工作。关于具体建模任务、评价指标等，源站未提供。
【使用方法】
源站未提供关于数据读取方式、文件格式、字段说明、预处理步骤或分析流程的具体信息。
【质量与限制】
源站未提供关于数据质量、完整性、偏倚控制、标注一致性或使用限制的具体信息。需要说明的是，该数据集的主题标签为脑炎，源站描述中的关注条件亦为脑炎，其内容范围以中枢与周围神经损伤的短期和长期表现及预后为核心，使用时应结合具体研究问题判断适用性。
【引用与许可】
源站未提供引用格式与许可条款的具体信息。
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/NCT04460599
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
条件：脑炎。描述中枢和周围SARS COV2感染所致神经损伤的短期和长期临床、影像学和电生理表现。描述神经、呼吸和自主神经功能障碍之间的关联。确定神经损伤短期和长期的预后。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
