超极化129Xe MRI在健康志愿者与肺疾病患者中的应用探索
该数据集来自clinicaltrials.gov,聚焦超极化129Xe MRI在健康志愿者与多种肺疾病患者中的应用。覆盖哮喘、慢性阻塞性肺疾病、支气管扩张、肺气肿、肺纤维化、支气管肺发育不良、Alpha 1-抗胰蛋白酶缺乏症及肺结节病等

基本信息
资源简介
超极化129Xe MRI在健康志愿者与肺疾病患者中的应用探索
该数据集来自clinicaltrials.gov,聚焦超极化129Xe MRI在健康志愿者与多种肺疾病患者中的应用。覆盖哮喘、慢性阻塞性肺疾病、支气管扩张、肺气肿、肺纤维化、支气管肺发育不良、Alpha 1-抗胰蛋白酶缺乏症及肺结节病等。研究主要评估通气缺陷百分比(VDP)、表观扩散系数(ADC)和/或信噪比(SNR),可在无治疗干预或临床指征治疗后的一个或多个时间点进行测量,用于探索性分析肺部通气与微结构变化(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:哮喘、慢性阻塞性肺疾病、支气管扩张、肺气肿、肺纤维化、支气管肺发育不良、Alpha 1-抗胰蛋白酶缺乏症、肺结节病。本研究的主要目标是在健康志愿者和肺疾病患者(包括但不限于:哮喘、肺气肿、COPD、支气管扩张、结节病、肺纤维化、alpha 1-抗胰蛋白酶缺乏症、嗜酸性肉芽肿性多血管炎和支气管肺发育不良)中,评估通过分析超极化129Xe MRI在一个或多个时间点(在无治疗干预或临床指征治疗后的时间过程中)获得的通气缺陷百分比(VDP)、表观扩散系数(ADC)和/或信噪比(SNR)。这将是一项单中心探索性研究,纳入10名肺功能正常且无
【主题与分类】
主题标签:Asthma、Chronic Obstructive Pulmonary Disease、Bronchiectasis、Emphysema、Pulmonary Fibrosis、Bronchopulmonary Dysplasia、Alpha 1-Antitrypsin Deficiency、Sarcoidosis, Pulmonary。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/NCT03455686
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/NCT03455686
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:哮喘、慢性阻塞性肺疾病、支气管扩张、肺气肿、肺纤维化、支气管肺发育不良、α1-抗胰蛋白酶缺乏症、结节病、肺部病变。本研究的主要目的是评估通过分析超极化129Xe MRI在一个或多个时间点(在无治疗干预的情况下随时间推移或遵循临床指征治疗后)获得的通气缺陷百分比(VDP)、表观扩散系数(ADC)和/或信噪比(SNR),研究对象为健康志愿者和肺病患者,包括但不限于:哮喘、肺气肿、COPD、支气管扩张、结节病、肺纤维化、α1-抗胰蛋白酶缺乏症、嗜酸性肉芽肿性多血管炎和支气管肺发育不良。这将是一项单中心探索性研究,纳入10名肺功能正常且无肺病史的健康志愿者和50名临床诊断为肺病的患者。参与研究需要进行一次研究访视。部分参与者可能会被要求返回,每年最多进行五次额外研究访视,持续五年。
额外研究访视的目的是了解在未进行治疗干预或遵循临床指征治疗后,肺部结构和功能的超极化129Xe磁共振成像测量值随时间的变化情况。所有受试者将访问圣约瑟夫汉密尔顿医疗中心,并接受以下检查:生命体征、肺功能测试、问卷调查、质子(1H)磁共振成像、静态通气及/或扩散加权129Xe磁共振成像,以及痰诱导。在单次研究访视中,最多可吸入四剂超极化129Xe。
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。




