支气管扩张作为COVID-19的非典型表现
该数据集来自clinicaltrials.gov,主题为支气管扩张作为COVID-19的非典型表现。支气管扩张是一种慢性炎症性肺病,以支气管永久性异常扩张为特征,导致慢性咳痰和细菌清除受损,形成病原体清除失败、反复感染、慢性炎症和持续结构损伤的恶性循环

基本信息
资源简介
支气管扩张作为COVID-19的非典型表现
该数据集来自clinicaltrials.gov,主题为支气管扩张作为COVID-19的非典型表现。支气管扩张是一种慢性炎症性肺病,以支气管永久性异常扩张为特征,导致慢性咳痰和细菌清除受损,形成病原体清除失败、反复感染、慢性炎症和持续结构损伤的恶性循环。主要症状为每日咳嗽、每日咳痰和频繁呼吸道感染。非囊性纤维化支气管扩张发病率较低,普通人群患病率约为每10万人39.9例,老年人群患病率增加,约每1000人10例。该数据可用于研究COVID-19在支气管扩张患者中的表现及相关临床特征(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:支气管扩张中的Covid19。支气管扩张是一种慢性炎症性肺病。其特征是支气管存在永久性和异常扩张,导致慢性咳痰和细菌清除受损。肺部受影响部位形成病原体清除失败的恶性循环,导致频繁感染、慢性炎症和持续的结构损伤。主要症状是每日咳嗽、每日咳痰和频繁的呼吸道感染。非囊性纤维化支气管扩张的发病率较低。普通人群中NCFB的患病率经计算为每10万人39.9例。老年人群中支气管扩张的患病率不断增加,约每1000人中有10名患者。美国一项针对1999-2001年间健康索赔的回顾性队列研究提示患病率
【主题与分类】
主题标签:Covid19 in Bronchiactasis。本站分类:呼吸系统疾病/肺炎。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04910113
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/NCT04910113
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
病情:支气管扩张症中的Covid19。支气管扩张症是一种慢性炎症性肺病。其特征是支气管存在永久性异常扩张,导致慢性咳痰和细菌清除能力受损。肺部受累部位形成病原体清除失败的恶性循环,进而导致频繁感染、慢性炎症和持续的结构损伤。主要症状为每日咳嗽、每日咳痰和频繁呼吸道感染。非囊性纤维化支气管扩张症发病率较低。普通人群中非囊性纤维化支气管扩张症的患病率计算为每10万人39.9例。老年人中支气管扩张症患病率呈上升趋势,约每1000人中有10例患者。美国一项针对1999-2001年间健康索赔的回顾性队列研究提示,18-34岁人群支气管扩张症患病率为每10万人4.2例,75岁以上人群为每10万人271.8例。该病通常发生在慢性气道感染引起炎症的背景下。主要临床表现为咳脓痰。
支气管扩张目前几乎总是通过高分辨率计算机断层扫描(HRCT)进行诊断。主要诊断特征为:1)支气管内径大于其相邻肺动脉;2)支气管未能逐渐变细;3)在肺野外部12厘米范围内可见支气管。冠状病毒(CoVs)是一组高度多样化的有包膜、正 sense、单链RNA病毒。2019年12月下旬,在中国湖北省武汉市发生了一种不明原因肺炎的未知疾病暴发。1 截至2020年1月31日,该疫情已大幅扩散,在中国感染9720人,导致213人死亡,并在其他19个国家感染106人。几天后,几个独立实验室将这种神秘肺炎的致病因子鉴定为一种新型冠状病毒(nCoV)。2
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。




