正常与免疫系统减弱人群中的流感研究
该数据集来自 clinicaltrials.gov,聚焦正常与免疫系统减弱人群中的流感病毒感染。源站描述指出,流感病毒每年造成显著发病,既往流行与大流行也带来显著死亡;而急慢性疾病及免疫抑制治疗导致免疫功能受损患者日益增多,流感对其影响尚不清楚,且先天免疫应答及慢性病与免疫抑制如何影响免疫反应的信息

基本信息
资源简介
正常与免疫系统减弱人群中的流感研究
该数据集来自 clinicaltrials.gov,聚焦正常与免疫系统减弱人群中的流感病毒感染。源站描述指出,流感病毒每年造成显著发病,既往流行与大流行也带来显著死亡;而急慢性疾病及免疫抑制治疗导致免疫功能受损患者日益增多,流感对其影响尚不清楚,且先天免疫应答及慢性病与免疫抑制如何影响免疫反应的信息有限。研究将评估来自当地社区与 NIH Clinical Center 的免疫受损与非免疫受损(对照组)患者,对已知或疑似流感患者记录症状、采集血液与鼻部标本并分离病毒。数据可用于流感免疫应答与免疫抑制影响的相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:病毒感染、呼吸道感染。流感病毒每年造成显著发病,既往的流行与大流行已造成显著死亡。流感对因急慢性疾病及免疫抑制治疗而免疫功能受损的日益增多的患者所具有的或可能具有的影响在很大程度上尚不清楚。关于对流感的先天免疫应答以及慢性疾病和免疫抑制如何影响对该病毒的免疫应答(与正常宿主中所见相比)的信息有限。我们将评估来自当地社区和 NIH Clinical Center 的免疫受损与非免疫受损(对照组)患者。对已知或疑似流感患者,将通过记录其症状、采集其血液和鼻部标本以及分离其病毒来进行评估。每个
【主题与分类】
主题标签:Viral Infections、Respiratory Infections。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00533182
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/NCT00533182
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
研究条件:病毒感染、呼吸道感染。流感病毒每年导致显著的发病率,既往的流行病和大流行已造成大量死亡。流感对因急慢性疾病及免疫抑制治疗而日益增多的免疫功能受损患者的影响或潜在影响在很大程度上尚不清楚。关于机体对流感病毒的先天免疫反应,以及慢性疾病和免疫抑制如何影响机体对该病毒的免疫反应(与正常宿主相比),目前所知有限。我们将评估来自当地社区和NIH临床中心的免疫功能受损及非免疫功能受损(对照组)患者。对于已知或疑似流感患者,将通过记录症状、采集血液和鼻腔标本以及分离病毒来进行评估。
每位患者的感染情况将通过以下方式绘制:对患者感染期间采集的病毒分离株进行基因组分析(包括分析已知可赋予抗病毒药物耐药性的序列)、测量血液和鼻黏膜样本中的细胞因子水平,以及测量流感特异性抗体反应。将评估这些结果与临床症状和临床结局的相关性。阐明这些反应以及病毒在正常和免疫功能低下患者感染及治疗流感期间可能发生的基因组变化,可能有助于更好地理解流感对患者整体健康的影响,以及在新型大流行病出现时可采用哪些策略来更好地保护或治疗患者。
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。




