基于电子游戏的呼吸训练对ACOS呼吸功能障碍的影响
该数据集来自 clinicaltrials.gov,主题为基于电子游戏的呼吸训练对哮喘-慢阻肺重叠综合征(ACOS)呼吸功能障碍的影响,涉及哮喘、慢性阻塞性肺疾病(COPD)及两者共存的 ACOS 背景,并关联肺康复与电子游戏干预

基本信息
资源简介
基于电子游戏的呼吸训练对ACOS呼吸功能障碍的影响
该数据集来自 clinicaltrials.gov,主题为基于电子游戏的呼吸训练对哮喘-慢阻肺重叠综合征(ACOS)呼吸功能障碍的影响,涉及哮喘、慢性阻塞性肺疾病(COPD)及两者共存的 ACOS 背景,并关联肺康复与电子游戏干预。数据可用于呼吸系统疾病与哮喘相关研究,支持探索电子游戏化呼吸训练在肺康复中的应用价值,适合开展干预效果分析与呼吸功能障碍相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Asthma-COPD Overlap Syndrome, Pulmonary Rehabilitation, Video Games. 哮喘和慢性阻塞性肺疾病(COPD)是重要的公共卫生问题。哮喘被定义为一种慢性呼吸系统疾病,其特征是气道高反应性导致间歇性且通常可逆的气道阻塞,而 COPD 是一种慢性呼吸系统疾病,其特征是进行性且不可逆的气道阻塞,通常发生在 40 岁以上个体中并与烟草使用相关。这些定义使哮喘和 COPD 被认定为不同的疾病。然而,许多流行病学研究表明,哮喘和 COPD 可以共存,或一种疾病可能进展为另一种,这种情况被称为哮喘-慢阻肺重叠综合征(ACOS)。根据全球指南,通常年龄在 40 岁或以上、具有
【主题与分类】
主题标签:Asthma-COPD Overlap Syndrome、Pulmonary Rehabilitation、Video Games。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/NCT07185178
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/NCT07185178
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:哮喘-慢性阻塞性肺疾病重叠综合征、肺康复、电子游戏。哮喘和慢性阻塞性肺疾病(COPD)是重大的公共卫生问题。哮喘被定义为一种慢性呼吸系统疾病,其特征是气道高反应性导致间歇性且通常可逆的气道阻塞,而COPD则是一种以进行性和不可逆性气道阻塞为特征的慢性呼吸系统疾病,通常发生在40岁以上个体中,并与吸烟有关。这些定义使得哮喘和COPD被视为不同的疾病。然而,许多流行病学研究表明,哮喘和COPD可以共存,或者一种状况可能发展为另一种,这种情况被称为哮喘-COPD重叠综合征(ACOS)。根据全球指南,一般年龄在40岁或以上、有至少5包年吸烟史或生物质暴露史、有哮喘或过敏病史,并且支气管舒张剂后FEV₁增加通常达到12%和200毫升的个体,被认为患有ACOS。
与单纯哮喘或COPD患者相比,ACOS患者往往经历更频繁的急性加重、肺功能快速下降以及与健康相关的生活质量降低。这些因素导致ACOS患者的死亡率更高。报告表明,ACOS患者出现更多呼吸困难、更高的合并症指数、更频繁的住院以及更高的BODE指数。该群体的功能性运动能力也被发现较低。文献综述提示,肺康复是ACOS患者的一种非药物治疗方法。呼吸练习作为肺康复的基础,旨在通过调节呼吸肌的激活和模式,减轻呼吸困难和过度充气,改善呼吸肌性能,并优化胸腹运动。最常用的呼吸练习包括深呼吸膈肌和节段性呼吸练习(也称为
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。




