H-CPAP 数据集：接受头盔式持续气道正压治疗的 COVID-19 与非 COVID 肺炎呼吸衰竭患者临床数据集
该数据集收录了 685 例因肺炎导致急性低氧性呼吸衰竭或急性呼吸窘迫综合征并接受头盔式持续气道正压（H-CPAP）治疗的住院临床记录，采集自意大利 Vimercate 医院，整合了 2020–2021 年 COVID-19 队列与 2010–2025 年非 COVID 队列
基本信息
资源简介
H-CPAP 数据集：接受头盔式持续气道正压治疗的 COVID-19 与非 COVID 肺炎呼吸衰竭患者临床数据集
H-CPAP Dataset: A Clinical Dataset of COVID-19 and Non-COVID Pneumonia Patients with Respiratory Failure Treated with Helmet Continuous Positive Airway Pressure
该数据集收录了 685 例因肺炎导致急性低氧性呼吸衰竭或急性呼吸窘迫综合征并接受头盔式持续气道正压（H-CPAP）治疗的住院临床记录，采集自意大利 Vimercate 医院，整合了 2020–2021 年 COVID-19 队列与 2010–2025 年非 COVID 队列。最终数据集包含 28 个变量，涵盖人口学、合并症、生命体征和呼吸参数，并利用大语言模型从非结构化记录中提取临床信息。临床验证显示数据与已知病理生理一致，可用于机器学习预测 H-CPAP 治疗失败并支持重症监护临床决策（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：头盔式持续气道正压（H-CPAP）数据集包含 685 例因肺炎导致急性低氧性呼吸衰竭（AHRF）或急性呼吸窘迫综合征（ARDS）并接受 H-CPAP 治疗的住院临床记录。数据采集自意大利 Vimercate 医院，整合了 COVID-19 队列（2020–2021 年）和非 COVID 队列（2010–2025 年）。最终数据集包含 28 个变量，如人口学、合并症、生命体征和呼吸参数。采用大语言模型从非结构化记录中提取临床信息。临床验证确认数据与已知病理生理一致，显示呼吸指标与治疗失败之间存在预期相关性。该资源面向机器学习应用，用于预测 H-CPAP 失败并支持重症监护中的临床决策。
【主题与分类】
主题标签：Acute Hypoxemic Respiratory Failure、Acute Respiratory Distress Syndrome、COVID-19、Machine Learning、Large Language Model。本站分类：呼吸系统疾病/肺炎。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.18713612
使用许可：Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.18713612
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
头盔持续气道正压通气（H-CPAP）数据集包含685例因肺炎导致的急性低氧性呼吸衰竭（AHRF）或急性呼吸窘迫综合征（ARDS）并接受H-CPAP治疗的住院患者的临床记录。数据采集自意大利Vimercate医院，整合了COVID-19队列（2020–2021年）和非COVID队列（2010–2025年）。最终数据集包含28个变量，如人口统计学特征、合并症、生命体征和呼吸参数。采用大语言模型从非结构化笔记中提取临床信息。临床验证证实数据与已知病理生理学一致，显示呼吸指标与治疗失败之间存在预期相关性。该资源为机器学习应用而构建，用于预测H-CPAP失败并支持重症监护中的临床决策。
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。
