基于AI的呼吸机相关性肺炎识别数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT06917521

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

条件：呼吸机相关性肺炎（VAP）。呼吸机相关性肺炎（VAP）定义为接受有创机械通气（MV）至少48小时的患者发生的医院获得性肺炎。VAP是重症监护环境中最为常见的院内感染。VAP可导致机械通气时间延长和住院时间延长，从而增加住院费用。此外，死亡率和抗生素使用也受到显著影响。遗憾的是，目前尚无有效、准确的VAP诊断标准，因为即使是最广泛使用的标准也既不敏感也不特异。这些标准排除VAP的敏感性不足，存在抗生素过度使用的风险，进而导致抗生素耐药和重叠感染的出现。另一方面，确诊VAP的特异性不足，存在抗菌治疗延迟给药的风险，从而导致死亡率增加。呼吸机相关事件监测也未能准确识别VAP。

本研究旨在利用机械通气机持续记录的数据开发不同的AI算法，以支持临床医生早期识别VAP。一个准确的用于早期识别VAP的AI算法有望降低发病率、死亡率、广谱抗生素和/或不必要抗生素的暴露，并最终降低成本。

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。