多次呼吸洗出临床计量数据集
数据可用于探讨 MBW 最佳设备选择、LCI 最小变化值、LCI 与临床结局指标的相关性以及 LCI 进展对肺疾病的意义，为介入性药物试验和临床监测中 LCI 的效用提供数据参考（来源 clinicaltrials.gov）
基本信息
资源简介
多次呼吸洗出临床计量数据集
该数据集来自 clinicaltrials.gov，聚焦多次呼吸洗出（MBW）与肺清除指数（LCI）的临床计量研究，覆盖 Cystic Fibrosis、Primary Ciliary Dyskinesia、Bronchiectasis、Asthma、Bronchitis、Sleep Disorder 等呼吸系统疾病。数据可用于探讨 MBW 最佳设备选择、LCI 最小变化值、LCI 与临床结局指标的相关性以及 LCI 进展对肺疾病的意义，为介入性药物试验和临床监测中 LCI 的效用提供数据参考（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：Cystic Fibrosis、Primary Ciliary Dyskinesia、Bronchiectasis、Asthma、Bronchitis、Sleep Disorder。与目前使用的生理结局指标相比，肺清除指数（LCI）已被证明更敏感，或许在肺疾病早期阶段更具适用性，但尚未被监管机构批准为公认的替代结局指标。这可能凸显了 MBW 内部的一些认识不足：最佳使用设备是什么，显示 LCI 改善的最小变化值是多少，LCI 与临床结局指标的相关性如何，以及 LCI 的进展告诉我们关于肺疾病的什么信息。将针对这些问题进行研究，以期贡献一批数据，为 LCI 在介入性药物试验和临床环境监测中的效用决策提供指导。本研究的目标是 t
【主题与分类】
主题标签：Cystic Fibrosis、Primary Ciliary Dyskinesia、Bronchiectasis、Asthma、Bronchitis、Sleep Disorder。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/NCT03320382
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/NCT03320382
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：囊性纤维化、原发性纤毛运动障碍、支气管扩张、哮喘、支气管炎、睡眠障碍。肺清除指数（LCI）已被证明比目前使用的生理结局指标更敏感，或许在肺病早期阶段更具适用性，然而它尚未被监管机构批准为公认的替代结局指标。这可能凸显了MBW领域内一些认识上的不足：最佳设备是什么，显示LCI改善的最小变化值是多少，LCI与临床结局指标的相关性如何，以及LCI的进展能告诉我们关于肺病的哪些信息。将针对这些问题展开探讨，以期贡献一批数据，为干预性药物试验和临床环境监测中LCI的实用性决策提供指导。本研究旨在评估LCI作为炎症性呼吸系统疾病谱患者临床试验和临床监测的临床结局指标的适用性。
将比较不同的检测方式，并评估LCI作为结局指标的重复性和有效性。长期随访将有助于评估LCI与未来结局（如肺功能下降速率和急性加重频率）之间的关系，这两者均被监管机构视为相关指标。
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。
