LIBS多元素成像与IFF算法在慢性肺疾病中的临床效用

数据集获取

源站：https://clinicaltrials.gov/study/NCT07597187

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：间质性肺疾病（ILD）、肺气肿、慢性肺部疾病、职业性肺病、环境暴露、职业暴露。PNEUMO-LIBS是一项多中心、非干预性观察研究，旨在评估通过激光诱导击穿光谱（LIBS）进行多元素组织成像，并结合名为“有趣特征发现器”（Interesting Features Finder，IFF）的基于人工智能的分析工具，是否有助于医生更好地理解慢性肺部疾病的可能病因。该研究聚焦于已作为常规医疗护理的一部分接受过肺活检的成年慢性肺部疾病患者。这些疾病包括弥漫性间质性肺疾病、肺肉芽肿病（如结节病）以及肺气肿，尤其是在怀疑存在环境或职业暴露但尚未明确证实的情况下。某些慢性肺部疾病可能受到吸入的矿物或金属颗粒的影响，例如二氧化硅、铝、钛或其他金属。然而，这些暴露在个体患者层面往往难以记录。

标准的临床、放射学和病理学检查通常不能直接提供有关此类元素在肺组织中的存在和分布的信息。LIBS是一种成像技术，可直接检测和绘制组织样本中的化学元素，包括存档的福尔马林固定石蜡包埋活检块。在本研究中，将使用LIBS分析肺活检样本，以寻找可能与职业或环境暴露相符的元素特征。随后将使用IFF算法帮助解读LIBS数据并识别罕见或意外的元素信号。本研究不需要参与者进行任何额外的活检、血液检查、影像学检查、治疗或医院就诊。它使用常规诊疗期间已收集的组织样本和医疗数据。LIBS和IFF分析的结果将提交给主治医师或研究者，后者将在三个时间点完成标准化在线问卷：在收到LIBS结果之前

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。