数字声学监测用于呼吸道疾病暴发早期发现

数据集获取

源站：https://clinicaltrials.gov/study/NCT04762693

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：Covid19、咳嗽。这是一项单中心前瞻性观察研究，旨在评估一种声学监测移动应用程序在监测人群中检测个体咳嗽发作的准确性，以及可能影响类似平台在人群层面推广的障碍和促进因素。所涉及的应用程序Hyfe咳嗽追踪器在智能手机后台运行，记录短暂（<0.5秒）的爆发性、疑似咳嗽声音片段。随后，这些片段通过卷积神经网络（CNN）模型被分类为咳嗽或非咳嗽，并与智能手机收集的GPS和时间数据进行匹配。参与者的夜间咳嗽将被监测30天，其临床记录将定期审查，特别关注引起咳嗽的疾病诊断，尤其是COVID-19。咳嗽数据将用于创建咳嗽密度和地理分布的热图。汇总的咳嗽登记数据将用于计算队列中记录的每人每小时咳嗽次数。

这些数据将用于在社区层面对三个并行时间序列进行ARIMA分析：监测队列中呼吸道疾病的发病率、整个研究区域（包括纳瓦拉大学及邻近的Cendea de Cizur）的呼吸道疾病发病率，以及每监测小时的咳嗽频率。咳嗽频率的变化还将与研究区域内记录的温度和污染水平等其他环境变量进行比较。

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。