SARS CoV-2（COVID-19）感染中嗅觉功能障碍评估

数据集获取

源站：https://clinicaltrials.gov/study/NCT04466982

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：嗅觉障碍、COVID19、SARS-CoV-2、嗅觉丧失、嗅觉减退、嗅觉障碍、生活质量。本研究的主要目标是通过多维评估方案来评估嗅觉敏锐度，以客观证明被诊断为SARS CoV-2患者的嗅觉功能障碍的严重程度。将使用宾夕法尼亚大学嗅觉识别测试（UPSIT）来评估新诊断患者以及现有患者在12个月内的纵向嗅觉功能。这是为了记录嗅觉功能障碍的发病时间（在可能的情况下）和进展速度。在相关病例中，研究人员将把他们的发现与感染引起的急性呼吸窘迫综合征（ARDS）的严重程度相关联——根据柏林分类法将其特征分为轻度、中度和重度。因此，研究人员将确定嗅觉功能障碍的程度是否与SARS CoV-2阳性患者中发生的ARDS严重程度有任何关联，以及它是否提供任何预后应用。

研究人员还将使用两种经过验证的工具，即面向英语使用者的嗅觉障碍问卷（eQOD）和SNOT-22问卷，来考察嗅觉功能障碍症状对患者生活质量的影响。此外，研究结果还将按年龄、性别和族裔进行探索和分层分析。

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。