罕见黏液纤毛清除障碍的清洁空气研究
这些疾病以黏液纤毛清除(MCC)功能严重受损为特征,患者易发生慢性感染、持续性气道炎症及肺功能进行性下降。数据集关注空气颗粒物(PM)暴露对这类人群呼吸系统健康的影响,可用于研究 PM 暴露与罕见肺病呼吸系统发病之间的关系,并支持相关风险分析与预测建模(来源 clinicaltrials.gov)

基本信息
资源简介
罕见黏液纤毛清除障碍的清洁空气研究
该数据集来源于 clinicaltrials.gov,聚焦 Primary Ciliary Dyskinesia (PCD) 与 Cystic Fibrosis (CF) 两类罕见先天性肺部疾病。这些疾病以黏液纤毛清除(MCC)功能严重受损为特征,患者易发生慢性感染、持续性气道炎症及肺功能进行性下降。数据集关注空气颗粒物(PM)暴露对这类人群呼吸系统健康的影响,可用于研究 PM 暴露与罕见肺病呼吸系统发病之间的关系,并支持相关风险分析与预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:原发性纤毛运动障碍(PCD)、囊性纤维化(CF)。引言:暴露于空气颗粒物(PM)是呼吸系统发病的公认风险因素,尤其是在脆弱人群中。虽然 PM 对哮喘和慢性阻塞性肺疾病的健康影响已有充分记录,但对其在较罕见的先天性肺部疾病(如囊性纤维化(CF)和原发性纤毛运动障碍(PCD))中的影响知之甚少。这些疾病以黏液纤毛清除(MCC)功能严重受损为特征,MCC 是气道抵御吸入污染物和病原体的主要防御机制。MCC 缺陷使 CF 患者(pwCF)和 PCD 患者(pwPCD)易发生慢性感染、持续性气道炎症和进行性肺功能下降。虽然空气 PM 对健康和/或较不敏感个体的危害相对较小,但 i
【主题与分类】
主题标签:Primary Ciliary Dyskinesia (PCD)、Cystic Fibrosis (CF)。本站分类:呼吸系统疾病/哮喘。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07417267
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放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/NCT07417267
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
疾病:原发性纤毛运动障碍(PCD)、囊性纤维化(CF)。引言:暴露于空气颗粒物(PM)是呼吸系统疾病发病的公认危险因素,尤其是在易感人群中。虽然PM对哮喘和慢性阻塞性肺疾病健康影响已有充分记录,但对其在较罕见先天性肺部疾病(如囊性纤维化(CF)和原发性纤毛运动障碍(PCD))中的影响知之甚少。这些疾病以黏液纤毛清除(MCC)功能严重受损为特征,而MCC是气道抵御吸入污染物和病原体的主要防御机制。MCC缺陷使CF患者(pwCF)和PCD患者(pwPCD)易发生慢性感染、持续性气道炎症和进行性肺功能下降。虽然空气PM对健康和/或易感性较低的个体危害相对较小,但pwCF和pwPCD无法有效清除气道中的黏液,使得吸入的病原体及其携带的有毒物质颗粒在气道中停留的时间比一般人群更长。
尽管在pwPCD中尚无相关报道,但来自pwCF观察性研究的证据表明,暴露于空气污染会加速疾病进展。迄今为止,尚无干预性研究评估改善室内空气质量作为这两类人群保护措施的效果。东地中海地区,尤其是塞浦路斯,由于人为排放和跨境沙漠沙尘事件,PM水平频繁超过世界卫生组织(WHO)的阈值。由于西方社会大部分时间都在室内环境中度过,使用室内空气净化器可能大幅减少空气中PM的暴露。此前来自塞浦路斯及其他地区的研究报道,室内空气净化可减轻空气颗粒物对哮喘等慢性肺部疾病的负面影响。在近期的MEDEA项目中,配备高效
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




