用于已知呼吸系统疾病患者管理的声学咳嗽监测

数据集获取

源站：https://clinicaltrials.gov/study/NCT05042063

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

病症：咳嗽、慢性阻塞性肺疾病、胃食管反流病、哮喘、结核病、非结核分枝杆菌肺炎、COVID-19肺炎。这是一项观察性研究，将在西班牙潘普洛纳和马德里的纳瓦拉大学诊所的两个院区进行。将使用一种人工智能系统（AI），该系统能够检测并记录爆发性疑似咳嗽声音，并基于声学特征识别人类咳嗽，以实现咳嗽的自动监测。潜在参与者无论是门诊就诊还是因咳嗽症状住院，都将由其主治医生或研究团队成员邀请，并由研究团队部分成员纳入研究。研究人员将指导参与者如何在其智能手机上安装和使用Hyfe咳嗽追踪器。参与者将被监测30天（门诊患者）或直至出院（住院患者）。参与者将被要求每日完成在线标准化100毫米视觉模拟量表（VAS），以记录其咳嗽主观强度的变化，同时使用Hyfe客观监测其频率变化。

与此同时，将构建一个标注过的咳嗽声音数据集，并回顾性地用于评估咳嗽声学模式的差异，以及评估检测这些模式的系统性能。第一组参与者将在临床环境之外招募，并要求他们提供一系列诱发声音，包括咳嗽声，这些声音随后将用于确定系统准确区分咳嗽声与非咳嗽声的性能，并与经过训练的人类听者进行比较。第二组参与者将被指导连续使用Hyfe及相关的Hyfe Air可穿戴设备6至24小时，同时他们使用连接领夹式麦克风的MP3录音机进行自我录音。该组将用于评估Hyfe和Hyfe Air在真实生活环境中对自发性咳嗽的检测性能。

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。