C-mo 系统验证——咳嗽监测
该数据集来自 clinicaltrials.gov，属于呼吸系统疾病/哮喘分类，主题为验证 C-mo 系统自动检测和表征咳嗽的能力
基本信息
资源简介
C-mo 系统验证——咳嗽监测
该数据集来自 clinicaltrials.gov，属于呼吸系统疾病/哮喘分类，主题为验证 C-mo 系统自动检测和表征咳嗽的能力。覆盖 2 岁以上以咳嗽为主要或难治性症状的患者，涉及 Cough、Asthma、Chronic Obstructive Pulmonary Disease、Gastro Esophageal Reflux、Idiopathic Pulmonary Fibrosis 等状况，以及 Cough Frequency、Cough Severity、Coughing 等指标。参与者需佩戴 C-mo Wearable 设备 24 小时、填写活动日记并完成咳嗽频率与强度、设备可用性及咳嗽影响相关问卷。数据可用于咳嗽事。
【数据内容】
源站描述（机器翻译，仅供参考）：状况：Cough、Asthma、Chronic Obstructive Pulmonary Disease、Gastro Esophageal Reflux、Idiopathic Pulmonary Fibrosis、Cough Frequency、Cough Severity、Coughing。本临床研究旨在验证 C-mo 系统在 2 岁以上以咳嗽为主要或难治性症状的患者中自动检测和表征咳嗽的能力。它旨在回答的主要问题是：1. C-mo 系统能否检测咳嗽事件？（自动咳嗽检测）2. C-mo 系统能否表征咳嗽事件？（计算咳嗽强度、识别咳嗽类型以及检测到的咳嗽中是否存在喘息）参与者将被要求： 佩戴 C-mo Wearable 设备 24 小时（1 天）； 在整个监测期间填写相关活动日记；* 填写与咳嗽频率和强度、设备可用性以及咳嗽对 qu 影响的问卷
【主题与分类】
主题标签：Cough、Asthma、Chronic Obstructive Pulmonary Disease、Gastro Esophageal Reflux、Idiopathic Pulmonary Fibrosis、Cough Frequency、Cough Severity、Coughing。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/NCT05989698
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/NCT05989698
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
条件：咳嗽、哮喘、慢性阻塞性肺疾病、胃食管反流、特发性肺纤维化、咳嗽频率、咳嗽严重程度、咳嗽。本临床研究的目的是验证C-mo系统在2岁以上、以咳嗽为主要或难治性症状的患者中自动检测和表征咳嗽的能力。其主要旨在回答的问题包括：1. C-mo系统能否检测到咳嗽事件？（自动咳嗽检测）2. C-mo系统能否表征咳嗽事件？（计算咳嗽强度、识别咳嗽类型及检测到的咳嗽中是否存在喘息）参与者将被要求：* 佩戴C-mo可穿戴设备24小时（1天）；* 在整个监测期间填写相关活动日记；* 填写与咳嗽频率和强度、设备可用性以及咳嗽对生活质量影响相关的问卷。
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。
