基于问卷、咳嗽音与呼吸音的小儿呼吸系统疾病多模态辅助诊断

数据集获取

源站：https://clinicaltrials.gov/study/NCT07613242

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

疾病：哮喘（诊断）、社区获得性肺炎（CAP）。本研究为一项前瞻性、观察性诊断准确性研究，将在上海儿童医学中心开展。研究人群将包括因咳嗽、喘息、发热伴呼吸道症状、鼻塞、流涕、咽痛或其他呼吸道主诉就诊的儿童，以及在常规健康体检期间招募的健康儿童。本研究将建立儿科症状问卷、咳嗽音和呼吸音的标准化同步数据采集流程。所有入组参与者将在统一方案下完成结构化症状问卷、使用智能手机应用程序进行咳嗽音录制，并使用电子听诊器进行呼吸音录制。还将收集人口学和临床信息，包括年龄、性别、病程、主要症状、病史、过敏史、家族史、用药情况、最终临床诊断或健康状况评估，以构建包含疾病病例和健康对照的儿科呼吸系统疾病多模态数据库。

基于该数据库，本研究将采用传统统计学习与深度学习方法相结合的方式，开发一个逐步多模态辅助诊断框架。将构建并比较三种诊断模型：仅症状问卷模型、症状问卷加咳嗽音模型，以及整合症状问卷、咳嗽音和呼吸音的多模态模型。以临床医生诊断、健康状况评估和研究团队审核所确定的最终研究标签作为参考标准，本研究将评估这些模型在区分健康儿童与呼吸系统疾病患儿、筛查哮喘及哮喘相关咳嗽，以及识别肺炎、气管炎/支气管炎、上气道相关疾病和慢性咳嗽常见病因方面的诊断性能。模型性

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。