肺滑动指数（LSI）鉴别肺部疾病的验证与临床效用

数据集获取

源站：https://clinicaltrials.gov/study/NCT06983366

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

疾病类型：慢性阻塞性肺疾病（COPD）、间质性肺病（ILD）、支气管扩张、气胸、肺炎、胸腔积液、肺水肿。* 研究将纳入患有各种肺部病理的成人和健康对照者。将使用标准化的12区方案对所有受试者进行肺部超声检查；每个区域的胸膜滑动将使用LSI评分（每区0-3分；总分0-36分）。在纳入研究前将进行操作者培训和校准，以确保评分一致性。* 一部分患者将接受重复评估，以使用独立、盲法评估者来评价观察者内和观察者间的可靠性。* 为了与LSI进行相关性分析，我们将收集临床数据，包括肺功能测定、血气分析、症状评分和6分钟步行试验。将使用ROC曲线评估诊断效用。将通过Likert问卷评估满意度和可行性，并进行验证性分析（内部一致性、重测信度）。* 所有数据将被去标识化并安全存储。将从所有参与者处获取书面知情同意。* 研究组将包括：1-气胸 2. 间质性肺病（ILD/IPF） 3. COPD/肺气肿 4. 支气管扩张 5.

社区获得性肺炎 6. 肺水肿 7. 胸腔积液 8. 健康对照组 * 数据收集方法： * 使用标准化数据录入表格收集临床、影像和结局数据。 * 集中数字化存储，仅限研究人员访问。 统计方法： - 基线数据的描述性统计 采用方差分析或Kruskal-Wallis检验进行组间比较；视情况开展事后检验 采用ROC分析确定诊断截断值 采用Pearson/Spearman相关分析评估临床相关性 采用组内相关系数评估信度 采用Cronbach’s alpha验证Likert量表 采用多变量回归调整混杂因素

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。