ARHINASD(儿童鼻中隔偏曲伴过敏性鼻炎)项目
ARHINASD 项目来自 clinicaltrials.gov,聚焦儿童鼻中隔偏曲合并过敏性鼻炎这一呼吸系统疾病场景。源站描述指出,过敏性鼻炎是上气道黏膜最常见的炎症性疾病之一,儿童患病率约 25%,由 IgE 介导的吸入性过敏原反应引起,常与哮喘共存,严重影响生活质量、学业表现、社交与睡眠

基本信息
资源简介
ARHINASD(儿童鼻中隔偏曲伴过敏性鼻炎)项目
ARHINASD 项目来自 clinicaltrials.gov,聚焦儿童鼻中隔偏曲合并过敏性鼻炎这一呼吸系统疾病场景。源站描述指出,过敏性鼻炎是上气道黏膜最常见的炎症性疾病之一,儿童患病率约 25%,由 IgE 介导的吸入性过敏原反应引起,常与哮喘共存,严重影响生活质量、学业表现、社交与睡眠。其鼻痒、喷嚏、流涕和鼻窦阻塞等症状与鼻中隔偏曲部分重叠,近期研究显示 87% 的持续性过敏性鼻炎患者存在相关情况。该数据可用于过敏性鼻炎与鼻中隔偏曲的鉴别、共病及哮喘关联研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:过敏性鼻炎。过敏性鼻炎是上气道黏膜最常见的炎症性疾病之一,尤其在儿童人群中患病率约为 25%。它是全球最常见的慢性炎症性疾病之一,由针对吸入性过敏原的 IgE 介导反应引起,常与哮喘共存,并在全球范围内造成严重负担和失能。事实上,过敏性鼻炎可严重损害生活质量,显著影响学业表现、社交生活和睡眠质量。已知过敏性鼻炎最常见的症状(鼻痒、喷嚏、鼻漏和鼻/鼻窦阻塞)与鼻中隔偏曲所致症状部分重叠,且近期一项研究显示,87% 的持续性过敏性鼻炎患者存在……
【主题与分类】
主题标签:Rhinitis, Allergic。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/NCT06139185
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/NCT06139185
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:过敏性鼻炎。过敏性鼻炎是上呼吸道黏膜最常见的炎症性疾病之一,尤其在儿童人群中患病率约为25%。它是全球最常见的慢性炎症性疾病之一,由IgE介导的对吸入性过敏原的反应引起,常与哮喘共存,并在全球范围内造成严重负担和失能。事实上,过敏性鼻炎可严重损害生活质量,显著影响学业表现、社交生活和睡眠质量。已知过敏性鼻炎最常见的症状(鼻痒、打喷嚏、流涕和鼻/鼻窦阻塞)与鼻中隔偏曲所致症状部分重叠,且近期一项研究显示,87%的持续性过敏性鼻炎患者至少患有7种鼻中隔畸形中的1种。鼻中隔偏曲是一种非常常见的解剖学异常,在普通人群的儿童和青少年中高达48%。
鼻中隔偏曲会使患侧鼻孔通道变窄,减少通过鼻孔的气流,易导致慢性黏膜炎症伴炎性细胞浸润,进而增加发生慢性鼻炎和鼻窦炎的风险。文献中尚无数据表明鼻中隔偏曲与变应性鼻炎发病风险增加相关。基于上述前提,ARHINASD(Allergic Rhinitis in pediatric topics with Nasal Septum Deviation)研究得以设计,其主要目的是在伴有和不伴有鼻中隔偏曲的患者样本中评估变应性鼻炎的存在情况。
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。




