过度活动型Ehlers-Danlos综合征与过度活动谱系障碍中的呼吸困难
该数据集来自clinicaltrials.gov,聚焦过度活动型Ehlers-Danlos综合征(hEDS)与过度活动谱系障碍(HSD)参与者的呼吸困难评估

基本信息
资源简介
过度活动型Ehlers-Danlos综合征与过度活动谱系障碍中的呼吸困难
该数据集来自clinicaltrials.gov,聚焦过度活动型Ehlers-Danlos综合征(hEDS)与过度活动谱系障碍(HSD)参与者的呼吸困难评估。研究计划招募34名参与者,在基线开展呼吸困难、肺功能(振荡法、肺量计、肺容积)、呼吸肌结构与功能(膈肌超声、呼吸肌力量)、健康相关生活质量及焦虑抑郁评估,并通过症状限制性心肺运动试验量化运动性呼吸困难,同时用功能性近红外光谱测量前额叶皮层神经活动。数据可用于呼吸系统疾病相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:过度活动型EDS(hEDS)、过度活动综合征。将从University Health Network(加拿大多伦多)招募34名hEDS和HSD参与者。参与者将接受基线评估:呼吸困难、肺功能检查(即振荡法、肺量计和肺容积)、呼吸肌结构与功能(即膈肌超声和呼吸肌力量)、HRQL、焦虑和抑郁。将采用症状限制性心肺运动试验,使用10项Borg呼吸困难量表、18点定性呼吸困难评估量表、峰值摄氧量(peak VO2)和动态通气参数评估来量化运动性呼吸困难。在心肺运动试验期间,将通过功能性近红外光谱测量前额叶皮层的神经活动。这些基线测量将与17名年龄和性别
【主题与分类】
主题标签:Hypermobile EDS (hEDS)、Hypermobility Syndrome。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04972565
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/NCT04972565
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:超 mobility 型埃勒斯-当洛斯综合征(hEDS)、关节过度活动综合征。将从多伦多大学健康网络招募34名hEDS和HSD参与者。参与者将接受基线评估,包括呼吸困难、肺功能测试(即振荡肺功能测定、肺量计测定和肺容积)、呼吸肌结构和功能(即膈肌超声和呼吸肌力量)、健康相关生活质量(HRQL)、焦虑和抑郁。将采用症状限制性心肺运动试验,通过10项Borg呼吸困难量表、18点定性呼吸困难评估量表、峰值摄氧量(peak VO2)以及动态通气参数评估来量化劳力性呼吸困难。在心肺运动试验期间,将通过功能性近红外光谱测量前额叶皮层的神经活动。这些基线指标将与17名年龄和性别匹配的健康对照者进行比较。
在基线评估之后,hEDS和HSD参与者将被随机分配到以下组别之一:i)常规护理加IMT:为期8周的全身体育锻炼(大学健康网络为hEDS和HSD患者提供的标准护理)加上同时进行的IMT干预,每周5次;ii)常规护理:为期8周的全身体育锻炼(如上所述)。在第四周和第八周后,参与者将进行如下所述的重复评估。劳力性呼吸困难是hEDS和HSD患者普遍经历且令人困扰的症状。本研究将更好地理解hEDS和HSD患者呼吸困难的潜在 contributing 因素,重点关注呼吸肌结构和功能、前额叶皮层神经活动以及通气和静息及运动时的通气参数。
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。




