On TRACk 吸入用药干预数据集

数据集获取

源站：https://doi.org/10.17026/SS/TK4GQU

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

Achtergrond Zo’n 70% van de longpatiënten gebruikt de inhalatiemedicatie niet goed. Dit leidt tot een verminderde ziektecontrole en een verminderde kwaliteit van leven, en bovendien tot vermijdbare ziekenhuisopnames en tot hogere zorgkosten. Door de inhalatietechniek te verbeteren en de therapietrouw te vergroten, kunnen deze deze negatieve gevolgen worden beperkt. Het apotheekteam kan een grote rol spelen in de begeleiding van patiënten bij hun medicatiegebruik. Apothekersassistenten vinden het echter lastig een patiëntgericht gesprek te voeren en hebben niet altijd adequate kennis van de medicatie en/of de inhalator. Daarnaast kunnen patiënten zelf een actievere rol aannemen in het gesprek. Doel van het project Het verbeteren van het gebruik van inhalatiemedicatie, zowel de inhalatietechniek als de therapietrouw, met On TRACk: een blended interventie. De interventie bestaat uit: - een online feedback communicatietraining voor apothekersassistenten - gespreksvoorbereiding voor patiënt en assistent

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。