BEAM COPD：慢性阻塞性肺疾病的呼吸、教育、认知与运动
条件：慢性阻塞性肺疾病（COPD）。本研究的主要目的是确定太极和身心呼吸在 COPD 患者中的可行性和效果。主题标签：慢性阻塞性肺疾病、COPD、太极、身心呼吸、呼吸系统疾病
基本信息
资源简介
BEAM COPD：慢性阻塞性肺疾病的呼吸、教育、认知与运动
BEAM COPD 数据集全称为 Breathing, Education, Awareness and Movement in Chronic Obstructive Pulmonary Disease (COPD)，聚焦慢性阻塞性肺疾病这一呼吸系统疾病领域。该数据集来源于 clinicaltrials.gov，围绕一项以太极和身心呼吸为干预手段的 COPD 研究而建立，其核心目的在于考察这两种干预方式在 COPD 患者中的可行性与效果。数据集以慢性阻塞性肺疾病（COPD）为主题标签，同时关联太极、身心呼吸与呼吸系统疾病等概念，本站将其归入呼吸系统疾病分类下的“其他”类别。整体而言，该数据集为关注 COPD 非药物干预研究的使用者提供了一个以临床试验注册信息为基础的资源入口，便于了解该研究的基本定位与主题范围。
【数据集背景】
慢性阻塞性肺疾病（COPD）是一种常见的呼吸系统疾病。该数据集所对应的研究关注的是太极与身心呼吸这类身心结合的运动与呼吸练习在 COPD 患者中的应用。研究的主要目的是确定太极和身心呼吸在 COPD 患者中的可行性和效果，这一目的构成了数据集的主题基础。数据集的主题标签为 Chronic Obstructive Pulmonary Disease (COPD)，本站分类为呼吸系统疾病 / 其他，来源站为 clinicaltrials.gov。
【数据内容】
该数据集的主题标签为慢性阻塞性肺疾病（COPD），并关联 COPD、太极、身心呼吸、呼吸系统疾病等主题线索。其源站描述所涵盖的条件为 Chronic Obstructive Pulmonary Disease (COPD)，研究的主要目的为确定太极和身心呼吸在 COPD 患者中的可行性和效果。除上述主题与目的性描述外，源站未提供关于具体数据字段、变量构成或记录数量的进一步说明。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述表明其对应研究的研究对象为 COPD 患者，研究内容涉及太极与身心呼吸干预的可行性和效果评估。关于采集时间、采集方法、样本量或招募地区等具体信息，源站未提供。
【适用场景】
基于现有信息，该数据集可用于了解以太极和身心呼吸为干预手段的 COPD 临床研究的主题定位，适合作为呼吸系统疾病领域中身心干预研究方向的信息参考。关于更具体的适用场景，如二次分析、系统综述或教学用途等，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式或数据结构说明。
【质量与限制】
该数据集的信息主要来自 clinicaltrials.gov 的注册描述，内容以研究条件与主要目的为主。关于数据质量评估、完整性、偏倚控制或局限性分析，源站未提供。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
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/NCT01551953
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：慢性阻塞性肺疾病（COPD）。本研究的主要目的是确定太极拳与身心呼吸在COPD患者中的可行性和效果。
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。
