吸烟肺气肿患者肺部一氧化氮摄取数据集
该数据集是一个整合了多中心、多时期研究的医学数据集，其数据模态主要为临床表格数据，包含吸烟者的多项肺功能测试指标（如DLNO、DLCO、FEV1、TLC、RV/TLC等）和基于CT的肺气肿诊断标签。该数据集主要用于评估和比较一氧化氮肺弥散量与传统肺功能指标在肺气肿预测与分类中的性能，支持构建诊断模型，以推动更精准的肺气肿临床评估方法的发展。
基本信息
资源简介
吸烟肺气肿患者肺部一氧化氮摄取数据集
【数据集背景】
本数据集源站标题为《Nitric oxide uptake in the lungs in smokers with emphysema》。源站首次发布：2025-02-26。
【数据内容】
源站原始描述：Hypothesis Since its introduction in 1983, pulmonary diffusing capacity for nitric oxide (DLNO) has been underutilized clinically, partly due to limited awareness of its potential alongside pulmonary diffusing capacity for carbon monoxide (DLCO). This study evaluates DLNO’s effectiveness in predicting and classifying emphysema compared to DLCO or spirometry alone using standardized z-scores. It was hypothesized that DLNO z-scores would outperform conventional diagnostic metrics, either alone or…
【数据结构与技术规格】
文件数 2 个，合计 845.06 KB。数据集 DOI：10.17632/g4jp8wd6f6.2。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/g4jp8wd6f6
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://data.mendeley.com/datasets/g4jp8wd6f6
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
该数据集是一个用于评估一氧化氮肺弥散量（DLNO）在肺气肿诊断中应用价值的医学研究数据集。数据集整合了来自四项已发表研究（分别发表于2024年、2021年、1990年和2009年）的原始数据，这些数据采集自三家欧洲医院。数据内容主要包括吸烟者的肺功能测试指标，如一氧化氮肺弥散量、一氧化碳肺弥散量、肺活量、残气量/肺总量比、第一秒用力呼气容积等，并包含通过CT诊断确认的肺气肿状态标签。数据经过严格质控，排除了屏气时间异常、肺泡容积/肺总量比异常等不符合标准的病例。该数据集主要用于研究DLNO相较于传统指标（如DLCO或肺活量测定）在预测和分类肺气肿方面的优越性，支持机器学习模型构建与评估，旨在推动DLNO在临床肺气肿常规诊断中的应用。
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。
