呼吸系统疾病中的呼吸困难感知

数据集获取

源站：https://clinicaltrials.gov/study/NCT07648082

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

病症：慢性阻塞性肺疾病（COPD）、哮喘（诊断）、间质性肺病（ILD）、支气管扩张、呼吸模式障碍。呼吸困难是一种使人衰弱的症状，会导致生活质量下降、住院率增加和死亡率上升。呼吸困难是一种复杂的多维感觉，具有已确立的生物-心理-社会影响因素（Hayen等，2013），这些因素可能相互作用，尽管这些相互作用的机制或相对贡献尚不清楚（Oxley & Macnaughton，2016）。呼吸困难是呼吸系统疾病的标志性特征，也是寻求医疗建议和治疗的主要原因。尽管目前呼吸困难的管理采用一刀切的方法，并未考虑到呼吸困难的独特和个体化体验。呼吸思维功能（BTF）模型是一种理论框架，试图解释这种复杂和多因素的症候，然而它缺乏科学前提。强调生理、心理和功能都将在决定个体呼吸困难中发挥作用。

一个较少被探讨的额外并发症是呼吸模式紊乱。这可能是双向的，即严重的呼吸困难可能导致呼吸模式紊乱，和/或呼吸模式紊乱可能导致严重的呼吸困难。目前尚无呼吸模式紊乱的客观标志物，然而，使用光电体积描记法（OEP）在量化这一现象方面已显示出前景（Smyth，2021）。OEP是一项新技术，利用三维动作捕捉，并可在运动期间通过心肺运动试验进行测量，从而能够监测运动期间的呼吸困难和呼吸模式，而患者通常报告这些症状令人困扰。OEP已用于慢性阻塞性肺疾病中以评估肺过度充气，尽管其在呼吸系统疾病中的证据尚处于起步阶段，且尚未与其他因素一同探讨，以了解呼吸困难多重因素的贡献。

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。