肺减容弹簧圈微生物组研究
该数据集来自 clinicaltrials.gov,聚焦慢性阻塞性肺疾病与肺气肿患者。源站描述指出,重度肺气肿伴过度充气患者可从肺减容技术中获益,以减少气体陷闭、改善气流并恢复胸壁与肺力学;现有最佳证据为肺减容手术(LVRS),近年支气管镜肺减容(BLVR)应用增多,其中支气管内肺减容弹簧圈(LVR

基本信息
资源简介
肺减容弹簧圈微生物组研究
该数据集来自 clinicaltrials.gov,聚焦慢性阻塞性肺疾病与肺气肿患者。源站描述指出,重度肺气肿伴过度充气患者可从肺减容技术中获益,以减少气体陷闭、改善气流并恢复胸壁与肺力学;现有最佳证据为肺减容手术(LVRS),近年支气管镜肺减容(BLVR)应用增多,其中支气管内肺减容弹簧圈(LVRC)通过机械压缩肺组织及替代肺气肿破坏后丧失的弹性回缩力发挥作用,治疗目标为置入10个弹簧圈。数据可用于相关呼吸系统疾病研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:慢性阻塞性肺疾病、肺气肿。患有重度肺气肿和过度充气的患者可从肺减容技术中获益,这些技术旨在减少气体陷闭、改善气流并恢复更自然的胸壁和肺力学。最佳证据存在于肺减容手术(LVRS),但最近对支气管镜肺减容(BLVR)技术的兴趣和使用日益增加。其中一种更引人关注的方法是使用支气管内肺减容弹簧圈(LVRC),这是一种镍钛丝,当部署在肺内时呈现其预成型形状,类似于网球接缝,似乎既通过机械压缩肺组织起作用,也通过替代肺气肿性破坏肺组织时丧失的部分弹性回缩力起作用。治疗目标为置入10个弹簧圈
【主题与分类】
主题标签:Chronic Obstructive Pulmonary Disease、Emphysema。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03010566
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/NCT03010566
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
疾病:慢性阻塞性肺疾病、肺气肿。重度肺气肿伴过度充气的患者可从肺减容技术中获益,这些技术旨在减少气体陷闭、改善气流,并恢复更自然的胸壁和肺力学。最充分的证据来自肺减容手术(LVRS),但近年来,人们对支气管镜下肺减容(BLVR)技术的兴趣和应用日益增加。其中较引人关注的方法之一是使用支气管内肺减容弹簧圈(LVRCs),这是一种镍钛合金丝,置入肺内后恢复其预定形状,类似于网球接缝的形状,似乎既通过机械压迫肺组织起作用,又通过替代肺气肿性肺组织破坏时所丧失的部分弹性回缩力而起作用。治疗目标是在两次操作中(间隔1-3个月)于每个上叶置入10个弹簧圈。目前已发表多项关于LVRC使用的研究,但其中大多数仅提供相对短期的随访和安全性数据。然而,LVRC目前在德国已得到相当广泛的临床使用。
目前越来越多的人认识到,接受LVRC治疗的患者中有少数(约5-10%)在一个或多个装置周围出现致密实变,其中部分患者还出现了明显的空洞形成。至少已有1例死亡被归因于与这些变化相关的病情恶化,另有若干患者现已出现由持续存在且耐药的微生物引起的感染。与支气管内活瓣(目前BLVR装置中使用最广泛的一种)不同,患者被告知LVRC治疗是永久性的,装置植入后无法取出——若装置发生感染或被微生物定植,这显然会带来影响。肺部微生物组是指栖息于肺部的全部微生物集合,包括细菌、病毒和真菌。研究
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。




