基于面部3D扫描设计的3D打印口罩适配器用于适合性测试
该数据集来自clinicaltrials.gov,主题为COVID-19大流行期间医护人员个人防护装备中的呼吸防护装备。数据集围绕通过面部3D扫描设计3D打印口罩适配器并进行适合性测试,以解决商用呼吸器口罩按标准脸型批量生产、难以贴合个体面部的问题

基本信息
资源简介
基于面部3D扫描设计的3D打印口罩适配器用于适合性测试
该数据集来自clinicaltrials.gov,主题为COVID-19大流行期间医护人员个人防护装备中的呼吸防护装备。数据集围绕通过面部3D扫描设计3D打印口罩适配器并进行适合性测试,以解决商用呼吸器口罩按标准脸型批量生产、难以贴合个体面部的问题。源站描述指出,未经过适合性测试使用呼吸器口罩可能使其有效性降低6-88%,最佳面部密封比过滤性能更为关键;牙科领域对气溶胶生成操作中飞沫传播增加的担忧也构成背景。该数据可用于呼吸防护装备适配、适合性测试相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:COVID-19大流行。医护人员在与感染或可能携带SARS-CoV-2的患者接触时使用的PPE(个人防护装备)。主要传播途径之一是通过口腔和鼻黏膜的飞沫传播,因此呼吸防护装备(RPE)是PPE的重要组成部分。牙科领域存在担忧,即在气溶胶生成操作(AGP)期间飞沫传播可能增加。这对临床环境中的牙医及相关专业人员构成更高风险。需要进行适合性测试以确保口罩在口鼻周围形成面部密封。使用未经适合性测试的呼吸器口罩可能使其有效性降低6-88%,最佳面部密封比过滤性能更为关键。商用呼吸器口罩是按“标准”脸型批量生产的,往往无法提供良好的
【主题与分类】
主题标签:COVID-19 Pandemic。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05143814
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/NCT05143814
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:COVID-19大流行。医护人员在与感染或可能携带SARS-CoV-2的患者接触时使用个人防护装备(PPE)。主要传播途径之一是通过口腔和鼻腔黏膜的飞沫传播,因此呼吸防护装备(RPE)是PPE的重要组成部分。牙科领域存在担忧,即在产生气溶胶的操作(AGP)过程中飞沫传播可能增加。这给临床环境中的牙医及相关专业人员带来了更高的风险。需要进行适合性检验以确保口罩在口鼻周围形成面部密封。使用未经适合性检验的呼吸器口罩可使其有效性降低6%至88%,最佳的面部密封比过滤性能更为关键。商用呼吸器口罩是针对“标准”脸型批量生产的,往往无法为用户提供良好的贴合,从而损害了预期的呼吸器过滤能力。鉴于适合性检验失败率较高,若不提供贴合度更佳的口罩,一线工作人员在面临SARS-CoV-2风险时的患者护理将受到严重限制。
因此,一种可重复使用的定制3D打印口罩适配器,与柔软的FFP3一次性口罩配合使用,为解决适合性测试通过问题提供了一种经济有效的方案。将邀请Barts Health NHS Trust中先前未能通过一线FFP3一次性呼吸器适合性测试的员工成员参加本研究。Barts/QMUL扫描应用程序将使用研究分配的智能手机来采集受试者的面部扫描。参与者将被要求剃净胡须,且不得佩戴任何可能妨碍扫描数据的 facial jewellery。该应用程序会自动生成定制的3D打印文件(.stl),该文件将被送去进行3D打印。口罩适配器将在按照程序正确佩戴并检查一线FFP3呼吸器后安装在其上。
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。




