肺部疾病超声与呼吸生理信号数据集
该数据集来自 clinicaltrials.gov,聚焦呼吸系统疾病中的肺炎相关方向,涵盖间质性肺病、间质性肺炎、慢性阻塞性肺疾病与肺气肿等病种,并涉及超声检查、超声成像与超声技术

基本信息
资源简介
肺部疾病超声与呼吸生理信号数据集
该数据集来自 clinicaltrials.gov,聚焦呼吸系统疾病中的肺炎相关方向,涵盖间质性肺病、间质性肺炎、慢性阻塞性肺疾病与肺气肿等病种,并涉及超声检查、超声成像与超声技术。源站描述指出,肺超声因可在床旁获取临床信息、无创且低成本而日益受到关注,在急诊与重症监护等场景中效用已获验证,临床用于检测胸膜疾病、实变、细支气管炎、间质性肺病理及成人与儿童的危重肺部状况;但探索非实变器官的肺超声发展尚缺乏对肺部伪影物理机制的深入认识。数据可用于肺部超声相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:间质性肺病、间质性肺疾病、间质性肺炎、慢性阻塞性肺疾病、肺气肿或COPD、超声检查、超声成像、超声。近年来,肺超声检查因其在床旁获取临床信息的独特能力、无创性和低成本而获得日益增长的临床关注与兴趣。在特定场景(急诊医学、重症监护病房)中,其效用已得到充分证明。临床医生使用胸部超声检测胸膜疾病、实变、细支气管炎、间质性肺病理以及成人、儿童和婴儿的危重肺部状况。然而,用于探索非实变器官的肺超声检查的发展,尚未得到对肺部伪影背后物理机制的深入认识的支持。肺
【主题与分类】
主题标签:Interstitial Lung Disease、Interstitial Lung Diseases、Interstitial Pneumonia、Chronic Obstructive Pulmonary Disease、Emphysema or COPD、Ultrasonography、Ultrasound Imaging、Ultrasound。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/NCT06068647
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/NCT06068647
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
条件:间质性肺疾病、间质性肺病、间质性肺炎、慢性阻塞性肺疾病、肺气肿或COPD、超声检查、超声成像、超声。近年来,肺超声检查因其在床旁获取临床信息的独特能力、无创性和低成本而日益受到临床关注和探索兴趣。在特定环境(急诊医学、重症监护病房)中,其效用已得到充分证实。临床医生使用胸部超声检测胸膜疾病、实变、细支气管炎、间质性肺病理以及成人、儿童和婴儿的危重肺部状况。然而,肺超声检查在探索非实变器官方面的发展,并未得到对肺部伪影背后物理机制的深入认识的支持。只有当评估与脏层胸膜直接接触的肺实变(一种不含气体的组织)时,肺超声检查才可与标准形态学超声检查相媲美。
在这种情况下,临床医生评估的是代表病变器官真实结构的解剖图像。不同的是,当肺表面密度增高但尚未实变时,胸壁与含气肺组织之间巨大的声阻抗梯度会阻碍任何解剖结构的呈现,扫描结果表现为多种垂直伪影的显像,即B线。尽管肺超声伪影在检测和监测多种疾病中的实际作用已被认可,但已发表的研究多为经验性研究,尚需进一步研究以阐明垂直伪影的物理成因。这些伪影是具有诊断意义的征象,但我们对其起源尚未完全理解。在正常肺及非严重萎陷肺的超声图像中,胸膜线之外的伪影信息,是特定声波与生物组织特定三维结构之间复杂相互作用的最终结果。越来越多的证据表明,垂直伪影是由生理性
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。
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。




