慢性阻塞性肺疾病(COPD)吸入器肺部沉积研究
该数据集来自 clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)患者吸入药物在肺内的沉积情况,同时涵盖哮喘患者与健康受试者

基本信息
资源简介
慢性阻塞性肺疾病(COPD)吸入器肺部沉积研究
该数据集来自 clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)患者吸入药物在肺内的沉积情况,同时涵盖哮喘患者与健康受试者。研究旨在理解吸入药物在 COPD 患者肺内的转归,检验将吸入药物精准靶向病变肺部位这一假设。现有吸入器主要针对以大呼吸道病变为主的哮喘开发,可能不适合以小呼吸道病变为主的 COPD,吸入支气管扩张剂向外周深部气道输送不佳可能是限制疗效的重要因素。数据可用于吸入给药、肺部沉积与呼吸系统疾病治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性阻塞性肺疾病、哮喘、健康受试者。目的:本研究旨在填补的知识空白是了解吸入药物在 COPD 患者肺内的转归。当前使用的吸入器是为治疗哮喘而开发的,哮喘主要是大呼吸道疾病,这些吸入器在治疗 COPD 患者(主要是小呼吸道疾病)时可能并非最佳。吸入支气管扩张剂向外周深部气道输送不佳,可能是限制现有装置所提供临床获益的主要因素。成功治疗的关键可能是将吸入药物精准靶向病变肺部位,这是本方案将检验的假设。设计与资助:Omar Usmani 博士制定了研究方案,该研究由 UK Go 资助
【主题与分类】
主题标签:CHRONIC OBSTRUCTIVE PULMONARY DISEASE、ASTHMA、HEALTHY SUBJECTS。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/NCT01721291
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/NCT01721291
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:慢性阻塞性肺疾病、哮喘、健康受试者。目的:本研究旨在探究吸入药物在COPD患者肺部的转归(或填补此研究领域的知识空白)。目前使用的吸入器是为治疗哮喘而开发的,哮喘主要是大气道疾病,这些吸入器在治疗COPD患者(主要是小气道疾病)时可能并非最佳选择。吸入性支气管扩张剂向远端深部气道输送不佳,可能是限制现有装置提供临床益处的主要因素。成功治疗的关键可能是将吸入药物精确靶向至病变肺部位,本方案将验证这一假设。设计与资助:Omar Usmani博士制定了研究方案,该研究由英国政府卫生部通过NIHR(国家卫生研究院)资助,NIHR资助NHS中专注于患者和公众需求的前沿研究,旨在通过研究改善国民的健康和财富。
本研究已由该研究领域的国际专家进行同行评审。方案:本方案包含两项研究:肺沉积研究(受试者为COPD患者和健康受试者)和肺生理学研究(受试者为COPD患者和哮喘患者)。每项研究(肺沉积研究和肺生理学研究)将包含7种随机交叉治疗。使用一种称为旋转顶部气溶胶发生器(STAG)的特殊气溶胶发生器,本文中称为研究用雾化器,用于生成单分散气溶胶液滴(粒径分布非常窄、可视为单一尺寸的气溶胶)。治疗将以单次给药方式给予。每次研究访视之间至少间隔5天。肺沉积研究将涉及放射性标记的药物处理。肺生理学研究中的所有处理均为非放射性标记。沙丁胺醇将
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。




