定量胸部CT与多组学区分哮喘与COPD并预测治疗反应

数据集获取

源站：https://clinicaltrials.gov/study/NCT07602192

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

疾病：哮喘（诊断）、COPD（慢性阻塞性肺疾病）。这是一项前瞻性、观察性、多中心队列研究，旨在将定量胸部CT成像与多组学数据相结合，以提高哮喘与慢性阻塞性肺疾病（COPD）之间的鉴别能力，并识别与治疗反应相关的生物标志物。符合条件的参与者将包括被诊断为哮喘或COPD并同意参与纵向临床随访的成年人。在基线和随访期间，参与者将接受标准临床评估，包括症状问卷、肺功能检测、血液采样和胸部CT成像。在临床可行的情况下，可能会收集额外的生物样本，如痰液和微生物组标本。将从影像数据中提取定量CT指标（例如，低衰减区百分比、参数反应映射特征、气道壁测量值和黏液栓评分）。这些影像生物标志物将与临床变量、实验室参数（包括炎症标志物和免疫球蛋白谱）以及微生物组数据进行整合。

主要目标为：(1)识别能够区分哮喘与COPD的影像学和生物学特征；(2)确定这些特征能否预测对标准临床治疗的反应。本研究不涉及任何研究性药物或医疗器械，所有程序均反映常规临床诊疗。将采用先进的统计学和计算方法分析数据，以探索影像学、生物标志物与临床结局之间的关联。预期结果将增进对疾病机制的理解，并支持慢性气道疾病个性化治疗策略的制定。

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。