囊性纤维化患者非结核分枝杆菌呼吸道感染治疗或未治疗中的细胞标志物
该数据集来自 clinicaltrials.gov,聚焦囊性纤维化患者中非结核分枝杆菌(NTM)呼吸道感染,属于呼吸系统疾病/肺炎范畴

基本信息
资源简介
囊性纤维化患者非结核分枝杆菌呼吸道感染治疗或未治疗中的细胞标志物
该数据集来自 clinicaltrials.gov,聚焦囊性纤维化患者中非结核分枝杆菌(NTM)呼吸道感染,属于呼吸系统疾病/肺炎范畴。源站描述指出,NTM 感染在囊性纤维化患者中的发生率是普通人群的 1,000 至 8,000 倍,现有临床、影像和微生物学诊断标准存在特异性不足及痰标本易受其他病原体污染等局限。研究旨在验证一种基于 IGRA 方法的创新诊断试验,通过测量 T 淋巴细胞对干扰素 γ(IFNγ)的反应来辅助诊断,可用于 NTM 肺炎诊断标志物与免疫应答相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:非结核分枝杆菌肺炎。背景:证据显示,非结核分枝杆菌(NTM)感染有所增加,且在囊性纤维化患者中比普通人群频繁 1,000 至 8,000 倍。诊断基于临床、影像学和微生物学标准。遗憾的是,前两项标准缺乏特异性,并且由于囊性纤维化患者痰液常被其他病原体污染,NTM 的微生物学检测受到限制。鉴于这些因素以及该人群中 NTM 感染的高发病率,需要替代诊断方法。目的:本研究旨在验证一种基于 IGRA(Interferon-Gamma Release Assay)方法的创新诊断试验,该试验测量 T 淋巴细胞对干扰素 γ(IFNγ)的反应。该试验将在选定患者的一个子集中进行
【主题与分类】
主题标签:Non-Tuberculous Mycobacterial Pneumonia。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/NCT06602869
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/NCT06602869
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
疾病:非结核分枝杆菌肺炎。背景:证据显示,非结核分枝杆菌感染有所增加,且在囊性纤维化患者中的发生率比一般人群高1,000至8,000倍。诊断基于临床、放射学及微生物学标准。遗憾的是,前两项标准缺乏特异性,且由于囊性纤维化患者痰液常被其他病原体污染,非结核分枝杆菌的微生物学检测受限。鉴于这些因素及该人群中非结核分枝杆菌感染的高发病率,需要替代诊断方法。目的:本研究旨在验证一种基于IGRA方法的创新诊断测试,该方法测量T淋巴细胞对干扰素γ的反应。该测试将在CIMeNT队列中选取的一部分患者上进行。该队列由囊性纤维化患者组成,其非结核分枝杆菌感染患病率已先前评估。方法:本研究是一项多中心病例对照研究。
它包括两组:一组为病例组,即血清学和/或微生物学反应呈阳性,表明存在NTM感染的患者;另一组为对照组,即无此类反应的患者。该检测通过评估循环T细胞活性来衡量宿主的免疫反应。具体而言,它测量T细胞与NTM抗原接触时的IFNγ释放量。与已知存在技术局限性的血清学或微生物学方法相比,这种方法能为NTM感染动态提供更具信息价值的诊断。该研究仅涉及一次访视,这是囊性纤维化患者常规护理的一部分。在此次访视期间,将进行常规抽血,并额外采集一管7毫升的血液。
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。




