囊性纤维化患者最大有氧运动的心肺反应数据集

数据集获取

源站：https://doi.org/10.24378/exe.1105

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

囊性纤维化（CF）是一种使人衰弱的慢性疾病，需要复杂且昂贵的疾病管理。目前，运动已被认为是改善CF患者健康和生活质量的关键因素。因此，心肺运动试验（CPET）被用于确定年轻患者的需氧适能，作为CF临床管理的一部分。然而，目前在个体患者层面上，对于CF患者需氧适能的限制系统尚缺乏确凿证据。在此，我们进行了详细的数据分析，从而能够识别影响需氧适能的重要系统层面因素。我们利用患者数据和主成分分析，确认了CPET表现与通气和氧消耗代谢率相关变量的依赖性。我们发现，参与者达到气体交换阈值（GET）的时间与其整体表现良好相关。此外，我们提出了一个预测建模框架，该框架捕捉了CF儿童和青少年群体中通气动力学、肺容量与功能以及CPET表现之间的关系。

具体而言，我们展示利用高斯过程（GP）能够在现有患者群体样本量较小的情况下，以合理的准确性预测个体患者层面的GET。最后，我们通过一个示例及未来展望，说明如何改进和扩展所提出的框架。这一建模与分析有潜力为设计个性化锻炼计划铺平道路，这些计划能根据患者治疗疗法的特定个体需求进行定制。

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。