整合深度学习CT扫描模型、生物学与临床变量预测儿童哮喘严重程度

数据集获取

源站：https://clinicaltrials.gov/study/NCT05140889

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：儿童哮喘。本项目旨在：* 建立一个大型数据库，收集来自重症哮喘儿科患者的临床、生物学和放射学数据；* 设计并训练一个基于深度学习技术的预测模型，以预测儿童哮喘的严重程度；* 利用多状态马尔可夫模型，结合从CT成像中获得的定性和定量信息，估计哮喘严重程度等级之间的转移概率。我们预期，对儿童哮喘中深度学习严重程度评估与现有临床评分体系的评价将揭示，与现有临床评分相比，借助深度学习技术的新兴方法能够提供准确的严重程度预测。这种准确的预测模型将使儿科医生能够识别最能指示哮喘严重程度和进展的特征，并可用于制定干预策略和为儿童提供早期医疗关注。

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。