支气管镜下释放过度充气肺气肿滞留气体研究3
该数据集来自clinicaltrials.gov,为一项前瞻性、随机、两臂、平行组、同期对照、开放标签、多中心临床试验,计划随访至250名受试者长达3年

基本信息
资源简介
支气管镜下释放过度充气肺气肿滞留气体研究3
该数据集来自clinicaltrials.gov,为一项前瞻性、随机、两臂、平行组、同期对照、开放标签、多中心临床试验,计划随访至250名受试者长达3年。研究包含Roll-In阶段和随机阶段,随机队列最多200名双侧肺气肿受试者在美国和欧洲最多25个中心按2:1随机分配至治疗组或对照组,所有受试者均接受优化医疗管理。数据可用于COPD与肺气肿介入治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:COPD、肺气肿。前瞻性、随机、两臂、平行组、同期对照、开放标签、多中心临床试验,随访最多250名受试者至3年。每个中心将在参与研究的随机阶段之前参与一个Roll-In阶段。每个中心将在该阶段入组最多2名受试者。最多50名受试者可入组Roll-In队列。最多200名双侧肺气肿受试者将在美国中心和欧洲最多25个中心随机分组。在随机队列中,受试者将按2:1比例随机分配至治疗组或对照组。* 优化医疗管理:所有受试者(Roll-in和随机)将接受根据患者需求定制、符合标准治疗以及2024年GOLD报告所述的最佳医疗管理。这可能包括戒烟、疫苗接种、长效
【主题与分类】
主题标签:COPD、Emphysema。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/NCT06891755
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/NCT06891755
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
疾病条件:COPD、肺气肿。前瞻性、随机、两臂、平行组、同期对照、开放标签、多中心临床试验,随访多达250名受试者至3年。每个中心将在参与研究的随机阶段之前参与一个导入期。每个中心将在该阶段入组最多2名受试者。导入队列最多可入组50名受试者。最多200名双侧肺气肿受试者将在美国及欧洲最多25个中心进行随机化。在随机队列中,受试者将按2:1的比例随机分配至治疗组或对照组。* 最佳医疗管理:所有受试者(导入期和随机化)将接受根据患者需求定制的最佳医疗管理,并按照标准诊疗及2024年GOLD报告所述进行。这可能包括戒烟、疫苗接种、长效支气管扩张剂治疗、皮质类固醇(适当时),以及参与或维持运动计划或肺康复计划。* 治疗组:133名受试者将接受最佳医疗管理和Apreo植入物放置。
治疗组受试者将接受单次支气管镜检查,并在适当选择的目标气道中每侧肺置入最多3枚植入物。适当的目标肺段应基于每位患者定量CT(QCT)报告中提供的肺段和肺叶信息(即气道尺寸、肺气肿破坏程度、容积信息、异质性/均质性)。* 对照组:67名受试者将接受最佳药物治疗。对照组受试者可在第12个月访视后、且距基线访视15个月内选择交叉接受BREATHE治疗。受试者将在术后(治疗组)或随机化后(对照组)第1、3、6和12个月以及第2年和第3年接受随访评估。这些访视将包括不良事件评估和问卷。
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。




