声学波形呼吸评估数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT06512064

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：哮喘、慢性阻塞性肺疾病、囊性纤维化、纤毛运动障碍、支气管扩张、气道软化、健康对照。哮喘和慢性阻塞性肺疾病分别影响美国数百万人口。在疫情之前，慢性下呼吸道疾病是该国第四大死因。对于这些疾病以及囊性纤维化（CF）等其他肺部疾病，远程但客观地监测疾病可能显著改善疾病控制、生活质量和总体预后。然而，当前的疾病监测和管理往往依赖于主观症状报告，而客观的肺功能测试（PFTs）通常每年仅在亚专科转诊中心进行几次。本研究的主要假设是，基于智能手机的传感和机器学习（ML）方法可以通过实现高准确性、可靠性和适应性的全面肺部疾病评估，推动肺部远程医疗的发展。研究人员进一步假设，AWARE能够准确帮助识别不同的肺部疾病、估计肺功能，并检测与急性加重相关的变化。

在目标1中，研究人员将开发并改进一种智能手机传感方法，作为气道疾病诊断中准确可靠的辅助手段。研究人员将招募健康个体以及患有哮喘、COPD、CF和其他气道疾病的个体样本，以评估AWARE能否准确地将受试者分类到其疾病组别中。在目标2中，研究人员将改进机器学习方法，以准确且自适应地估算肺功能，包括来自肺量计和脉冲振荡法的传统PFT指标。在目标3中，研究人员将开发深度学习技术，通过在疾病稳定期和急性加重期执行AWARE，来识别与疾病加重相关的气道状况变化。为实现这些目标，研究人员将招募一个涵盖广泛人口统计学和人体测量学特征的儿科和成人受试者队列，以充分代表各种气道疾病、广泛的l

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。