吸入流速研究
该数据集来自 clinicaltrials.gov，聚焦非囊性纤维化支气管扩张患者的吸气特征测量。研究使用 breath activated T-326 Inhaler 采集患者吸气曲线，并从中提取峰值吸气流速（PIF，L/min）、吸气容积（V，L）与吸气时间（t，s）等参数
基本信息
资源简介
吸入流速研究
该数据集英文名为 Inhalation Flow Rate-study，来源于 clinicaltrials.gov，本站将其归类于呼吸道疾病下的支气管扩张方向，主题标签为 Bronchiectasis。数据集聚焦非囊性纤维化支气管扩张患者的吸气特征测量：研究使用 breath activated T-326 Inhaler 采集患者的吸气曲线，并从中提取峰值吸气流速（PIF，单位为 L/min）、吸气容积（V，单位为 L）与吸气时间（t，单位为 s）等参数。这些参数从不同侧面刻画患者在使用呼吸触发型吸入装置时的吸气能力与配合情况，可为评估该类患者的吸入装置适用性提供依据。
【数据集背景】
支气管扩张是一类以支气管不可逆性扩张为特征的呼吸道疾病，患者常需借助吸入装置给药。吸入装置能否被有效触发、药物能否被充分吸入，与患者的吸气特征密切相关。该数据集所对应的研究以非囊性纤维化支气管扩张患者为对象，旨在测量其吸气曲线，从而了解这一人群在实际使用呼吸触发型吸入装置时的吸气表现。研究关注的疾病条件为 Bronchiectasis，研究目的明确为测量患者的吸气特征。
【数据内容】
数据集的核心内容为从患者吸气曲线中导出的三项参数：峰值吸气流速（PIF，L/min）、吸气容积（V，L）与吸气时间（t，s）。峰值吸气流速反映吸气过程中的最大流速水平，吸气容积反映单次吸气所吸入的气体量，吸气时间反映吸气动作持续的时间。这三项参数共同构成对吸气曲线的定量描述。除上述参数外，源站未提供其他具体数据字段、样本量、受试者人口学信息或数据记录格式的说明。
【采集与来源】
数据采集依托 breath activated T-326 Inhaler 完成，该装置为呼吸触发型吸入器，可在患者吸气过程中记录吸气曲线，研究再据此推导上述参数。数据来源站为 clinicaltrials.gov，本站分类为呼吸道疾病 / 支气管扩张。源站未提供采集地点、采集时间跨度、采集设备的具体技术规格以及数据采集流程的更多细节。
【适用场景】
基于所关注的参数，该数据集可用于了解非囊性纤维化支气管扩张患者的吸气特征，为呼吸触发型吸入装置在该人群中的适用性评估提供参考；也可用于围绕峰值吸气流速、吸气容积与吸气时间等指标开展分析。源站未提供该数据集在其他具体应用场景中的用途说明。
【使用方法】
源站未提供该数据集的使用方法、数据访问方式或分析建议。
【质量与限制】
源站未提供该数据集的质量控制信息、样本规模、缺失情况或已知局限性说明。使用时需注意，该数据集仅围绕非囊性纤维化支气管扩张患者群体，相关参数基于 breath activated T-326 Inhaler 采集的吸气曲线导出，结论外推至其他人群或其他吸入装置时应谨慎。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT02563197
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：支气管扩张。本研究旨在使用呼吸激活式T-326吸入器测量非囊性纤维化支气管扩张患者的吸气曲线。将从吸气曲线中得出以下参数：* 峰值吸气流速（PIF，单位：L/min）* 吸气容积（V，单位：L）* 吸气时间（t，单位：s）。
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。
