被动检测-SARS-CoV-2 (COVID-19) A&M 呼气分析仪 (PROTECT Kiosk) 用于作战医学

数据集获取

源站：https://clinicaltrials.gov/study/NCT06402318

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：COVID-19、SARS CoV 2病毒、COVID-19肺炎、COVID-19呼吸道感染、COVID-19急性呼吸窘迫综合征。新出现的急性呼吸道疾病（ARDs）对美国军队构成重大威胁，尤其是在训练环境中，拥挤的生活条件和多因素的高强度应激分别加剧了感染暴露并抑制了免疫力。因此，新兵中的ARD发病率通常报告高于年长军人，这对作战准备产生不利影响。尽管已采取监测和疫苗接种计划等重要措施来减少ARDs对新兵和新动员部队的影响，但新兵中的住院率仍至少是美国可比平民人口的3至4倍，占所有传染病相关住院的近30%。

2018年，呼吸道合胞病毒（RSV）等呼吸道感染估计导致了50,000次就医，影响约35,000名新兵，造成1,000个住院床日，导致训练时间和成本的显著损失。除年度呼吸道感染外，持续上升的COVID-19数字再次威胁进一步削弱作战准备状态。因此，持续需要廉价、快速且更可靠的诊断方法，以更好地治疗和预防急性呼吸道疾病（ARDs），从而保持军事准备状态并减少伤残调整生命年。当前的CLIA实验室诊断程序，如酶联免疫吸附试验（ELISA）、逆转录聚合酶链反应（RT-PCR）和细菌培养，成本高昂、耗时且对操作者敏感。在COVID-19大流行期间，这些方法显然未能且继续未能满足诊断需求，因为它们难以扩大规模且缺乏后勤灵活性。此外，由于主动临床采样的侵入性，迫切需要准确快速的被动监测，以筛查

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。