ECLIPSE慢性阻塞性肺疾病队列研究
ECLIPSE是长期COPD随访研究队列，包含肺功能与临床数据，用于肺气肿进展机制、疾病分型及预测模型构建。
基本信息
资源简介
ECLIPSE慢性阻塞性肺疾病队列研究
【一句话概览】
这项为期3年的多中心纵向前瞻性研究旨在识别新的终点指标，并将其与第一秒用力呼气容积（FEV1）等标准指标进行比较，以评估和预测慢性阻塞性肺疾病（COPD）的严重程度及其随时间进展的情况。研究还将招募对照组受试者，包括吸烟者和从不吸烟者，作为COPD受试者的比较对象（来源 ClinicalTrials.gov）。
【数据集背景】
本数据集源站标题为《A Multicentre 3 Year Longitudinal Prospective Study to Identify Novel Endpoints and Compare These With Forced Expiratory Volume in 1 Second (FEV1) for Their Ability to Measure and Predict COPD Severity and Its Progression Over Time》。源站首次发布：2005-12。
【数据内容】
源站原始描述：This is a 3 year longitudinal study to identify novel endpoints and compare these with standard measures such as forced expiratory volume in 1 second (FEV1) for their ability to measure and predict COPD (Chronic Obstructive Pulmonary Disease) severity and its progression over time. Control subjects (smokers and never smokers) will be recruited as comparators with the COPD subjects
中文译文（机器翻译，仅供快速理解，请以原文为准）：这是一项为期3年的纵向研究，旨在识别新的终点指标，并将其与1秒用力呼气容积（FEV1）等标准测量指标进行比较，以评估和预测慢性阻塞性肺疾病（COPD）的严重程度及其随时间的发展。对照组受试者（吸烟者和从不吸烟者）将被招募，作为COPD受试者的比较对象。
【主题与分类】
主题标签：Pulmonary Disease, Chronic Obstructive、longitudinal、eclipse。
【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://clinicaltrials.gov/study/NCT00292552
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/NCT00292552
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
ECLIPSE研究是长期随访的COPD队列项目，包含肺功能、影像及临床数据，用于分析肺气肿进展及疾病异质性。
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。
