严重哮喘与COPD临床队列数据集
SPIROMICS数据集包含COPD及慢性支气管炎患者的临床记录、肺功能检测、胸部影像及生物标志物信息，广泛用于呼吸系统疾病的表型划分与机制研究。
基本信息
资源简介
严重哮喘与COPD临床队列数据集
【一句话概览】
SPIROMICS 是一项关于慢阻肺（COPD）的综合性研究。COPD 是一种缓慢发展的肺部疾病，随着病情进展，气道变窄，肺组织受损，影响空气在肺内的流动。该研究全称为“慢阻肺亚群与中间结局指标研究”，旨在以新方式理解 COPD。研究纳入处于不同疾病阶段的参与者，共 2982 人，追踪其基因、身体功能及其他临床变化，以期帮助识别更好的治疗方法（来源 spiromics.org）。
【数据集背景】
本数据集源站标题为《SPIROMICS》。
【数据内容】
源站原始描述：Welcome to SPIROMICS, a comprehensive research study of COPD. COPD, or Chronic Obstructive Pulmonary Disease, is a lung disease that develops slowly. As the disease develops, airways narrow. Lung tissue becomes damaged. This affects how air flows through the lungs. SPIROMICS is the SubPopulations and InteRmediate Outcome Measures in COPD Study. The goal of SPIROMICS is to understand COPD in new ways. Study participants have different stages of COPD. A participant’s genes, physical functions, and…
中文译文（机器翻译，仅供快速理解，请以原文为准）：欢迎来到SPIROMICS，这是一项关于COPD的全面研究。COPD，即慢性阻塞性肺疾病，是一种发展缓慢的肺部疾病。随着病情的发展，气道变窄，肺组织受损，影响空气在肺部的流通。SPIROMICS即COPD亚群与中间结局指标研究。SPIROMICS的目标是以新的方式理解COPD。研究参与者处于COPD的不同阶段。研究追踪参与者的基因、身体功能及其他临床变化随时间的变化。这有望帮助找到更好的治疗方法。
【主题与分类】
主题标签：COPD、Chronic Obstructive Pulmonary Disease、lung disease、genes、inflammation、imaging、X-rays、clinical、NHLBI、NIH。
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://www.spiromics.org/
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
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
SPIROMICS是美国多中心呼吸系统疾病研究项目，收集慢性阻塞性肺疾病及慢性支气管炎患者的临床资料、影像数据、生物标志物及肺功能测试数据，用于疾病机制与表型分析。
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。
