功能性肺MRI用于嗜酸性粒细胞哮喘患者早期治疗反应评估
该数据集来自 clinicaltrials.gov,聚焦嗜酸性粒细胞哮喘患者的功能性肺 MRI 早期治疗反应评估。哮喘为慢性疾病,全球约 3 亿人受累,其中 3-10% 为重度哮喘,即在接受高剂量吸入糖皮质激素联合其他控制药物和/或至少 6 个月全身糖皮质激素治疗后仍控制不佳

基本信息
资源简介
功能性肺MRI用于嗜酸性粒细胞哮喘患者早期治疗反应评估
该数据集来自 clinicaltrials.gov,聚焦嗜酸性粒细胞哮喘患者的功能性肺 MRI 早期治疗反应评估。哮喘为慢性疾病,全球约 3 亿人受累,其中 3-10% 为重度哮喘,即在接受高剂量吸入糖皮质激素联合其他控制药物和/或至少 6 个月全身糖皮质激素治疗后仍控制不佳。重度哮喘医疗费用高昂。对于重度未控制且存在 2 型炎症的患者,IL-5 抗体 mepolizumab 已获批,耐受良好并可显著减少急性发作和口服糖皮质激素使用;reslizumab 与 benralizumab 亦可用。数据可用于治疗反应预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:哮喘;嗜酸性粒细胞性。哮喘是一种慢性疾病,全球约影响3亿人。在这些患者中,3-10%患有重度哮喘,其定义为尽管使用高剂量吸入糖皮质激素联合其他控制药物(长效β2受体激动剂、长效抗毒蕈碱药、白三烯受体拮抗剂或茶碱)和/或使用全身糖皮质激素至少6个月,哮喘仍无法控制。重度哮喘在哮喘中造成高额医疗费用。对于患有重度未控制哮喘的患者,当存在2型炎症时,IL-5抗体(mepolizumab)已被批准用于治疗。治疗耐受性良好,据报道可显著减少急性发作和口服糖皮质激素使用。另一种IL-5抗体(reslizumab)和一种IL-5受体抗体(benralizumab)可用
【主题与分类】
主题标签:Asthma; Eosinophilic。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/NCT04512521
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/NCT04512521
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;嗜酸性粒细胞性。哮喘是一种慢性疾病,全球约有3亿人受影响。在这些患者中,3-10%患有重度哮喘,其定义为尽管使用高剂量吸入性糖皮质激素联合其他控制药物(长效β2受体激动剂、长效抗胆碱能药物、白三烯受体拮抗剂或茶碱)和/或至少6个月的全身性糖皮质激素治疗,哮喘仍未能得到控制。重度哮喘在哮喘医疗费用中占比较高。对于患有重度未控制哮喘的患者,当存在2型炎症时,已批准IL-5抗体(美泊利单抗)用于治疗。该治疗耐受性良好,据报道可显著减少急性发作和口服糖皮质激素的使用。目前还有一种IL-5抗体(瑞利珠单抗)和一种IL-5受体抗体(贝那利珠单抗)可供使用。患有重度嗜酸性粒细胞性哮喘的患者,如果在最大程度治疗下仍未能控制,或仅在口服糖皮质激素下才能控制,则将接受生物制剂治疗。
在生物制剂治疗中,80%的患者病情改善,20%为无应答者,但目前无法早期识别无应答者。在有应答者中,约30%应答非常好(所谓超级应答者),其余表现为中度改善。目前的主要问题在于肺功能改善仅表现为延迟出现,应答(或无应答)只能在4至12个月后才能可靠评估。这一方面导致无应答者长期用药(过度治疗),另一方面导致不合理且过早终止治疗(治疗不足)(GINA报告2019)。研究依据:功能性肺MRI有潜力显示肺微结构、区域通气和灌注的早期变化,因而有潜力早期检测治疗应答。使用相位分辨功能性肺(PREFUL)MRI进行动态区域通气和灌注成像的非常令人鼓舞的结果已bee
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。




