BURN-ASV 试验：严重烧伤中的适应性支持通气

数据集获取

源站：https://clinicaltrials.gov/study/NCT07674563

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

条件：烧伤、机械通气、机械通气并发症、ICU、ICU住院、重症监护、军事活动、战斗相关烧伤损伤。严重烧伤常因吸入性损伤、全身炎症、肺水肿、急性呼吸窘迫综合征（ARDS）及长期危重疾病而并发呼吸衰竭。通常需要长时间机械通气，并与大量并发症相关，包括呼吸机相关性肺炎、呼吸机所致肺损伤、长时间镇静暴露以及重症监护室（ICU）住院时间延长。现代军事冲突引入了新的烧伤机制，包括无人机投送的弹药和温压爆炸装置。这些损伤通常表现为热损伤、爆炸超压、气道损伤、吸入性损伤和严重肺功能障碍的组合。因此，优化通气支持已成为烧伤重症监护的重要组成部分。

适应性支持通气（ASV）是一种闭环机械通气模式，可根据患者呼吸力学和预测的生理需求自动调节呼吸频率、潮气量、吸气压力和分钟通气量。此前在混合ICU人群中的研究表明，ASV可能改善人机同步性、减少呼吸做功、促进脱机并缩短机械通气时间。然而，其在严重烧伤患者中应用的证据仍然有限。BURN-ASV试验是一项前瞻性随机对照研究，旨在比较适应性支持通气与常规肺保护性机械通气在需要有创机械通气的危重成人烧伤患者中的应用。参与者将按1：1比例随机接受ASV或依据机构诊疗标准的常规通气。随机化将按烧伤严重程度、吸入性损伤、热压伤以及是否存在ARDS进行分层。主要目的是确定

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。