冠状病毒相关纵隔气肿与气胸数据集
源站描述介绍了自发性纵隔气肿与自发性气胸的定义、Macklin 效应导致气体沿组织间隙扩散并引发皮下气肿的机制,以及二者作为多种肺部感染罕见并发症的背景

基本信息
资源简介
冠状病毒相关纵隔气肿与气胸数据集
该数据集来源于 clinicaltrials.gov,聚焦冠状病毒感染相关的纵隔气肿与气胸,涵盖 Pneumothorax、Pneumomediastinum 及 COVID-19 Pneumonia 等主题。源站描述介绍了自发性纵隔气肿与自发性气胸的定义、Macklin 效应导致气体沿组织间隙扩散并引发皮下气肿的机制,以及二者作为多种肺部感染罕见并发症的背景。数据可用于呼吸系统疾病与肺炎相关研究,支持对气胸、纵隔气肿及 COVID-19 肺炎并发症的识别与分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:Pneumothorax、Pneumomediastinum、COVID-19 Pneumonia。自发性纵隔气肿(PMS)定义为纵隔内游离气体。自发性气胸(PNX)指胸膜腔内存在气体。PMS 和 PNX 有时可继发于基础病变,或源于肺泡内压突然升高,如气道高反应性、Valsalva 动作、咳嗽、气压伤和/或容积伤等功能性改变,导致肺泡破裂,随后气体因 Macklin 效应漏入纵隔。逸出的气体可进一步扩散至心包、腹膜、肌肉和皮下组织,从而引起皮下气肿。PMS 和 PNX 是多种肺部感染的罕见并发症,如 Pneumocystis Jirovecii 肺炎、结核、细菌性坏死性肺炎。
【主题与分类】
主题标签:Pneumothorax、Pneumomediastinum、COVID-19 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/NCT04897152
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/NCT04897152
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:气胸、纵隔气肿、COVID-19肺炎。自发性纵隔气肿(PMS)定义为纵隔内游离气体。自发性气胸(PNX)指胸膜腔内存在气体。PMS和PNX有时可继发于基础病变,或源于肺泡内压骤升,如气道高反应性、瓦氏动作、咳嗽、气压伤和/或容积伤等功能性改变,导致肺泡破裂,气体经Macklin效应漏入纵隔。逸出的气体随后可扩散至心包、腹膜、肌肉及皮下组织,从而引起皮下气肿。PMS和PNX是多种肺部感染的罕见并发症,如耶氏肺孢子菌肺炎、结核、细菌性坏死性肺炎及疱疹性肺炎。然而,在SARS-CoV2间质性肺炎患者中,PMS和PNX的报道日益增多。
PMS和PNX既可作为COVID-19疾病的起病表现,也可作为无创和/或有创通气的并发症出现,或在病理学发生囊性和/或纤维化演变后发生。PMS和PNX在COVID-19期间的频率尚不明确,因为现有数据仅限于病例集和单篇报告。根据目前可获得的科学文献,COVID-19中PNX的发生频率为1-3%,在接受无创通气(NIV)和机械人工通气(VAM)的患者中高达6%。在McGuinness的分析中,该分析比较了VAM中急性呼吸窘迫综合征(ARDS)患者气压伤并发症的情况,PNX和PMS的发生频率分别为9%和10%,而在非COVID-19人群中,PNX和PMS的频率分别为12%和3%。
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。




