均质性肺气肿患者LVRS与BLVR对比研究（CLUB-HE试验）
该数据集来自clinicaltrials.gov，对应CLUB-HE试验，研究对象为均质性肺气肿或COPD患者。源站描述指出，肺减容手术（LVRS）与支气管镜肺减容（BLVR）均可在经选择的均质性肺气肿伴明显过度充气患者中带来功能改善，但两者之间尚缺乏直接比较，因此该研究旨在提供重要数据以指导此类患
基本信息
资源简介
均质性肺气肿患者LVRS与BLVR对比研究（CLUB-HE试验）
该数据集英文名为 LVRS Versus BLVR in Patients With Homogenous Emphysema, CLUB-HE Trial，来自 clinicaltrials.gov，本站归类为呼吸系统疾病 / 其他，主题标签为 Emphysema or COPD。其对应 CLUB-HE 试验，研究对象为均质性肺气肿或 COPD 患者。源站描述指出，肺减容手术（LVRS）与支气管镜肺减容（BLVR）均可在经选择的均质性肺气肿伴明显过度充气患者中带来功能改善，但两者之间尚缺乏直接比较，因此该研究旨在提供重要数据，以指导此类患者人群的治疗选择。以下依据可得信息对该数据集作分段介绍。
【数据集背景】
均质性肺气肿与慢性阻塞性肺疾病（COPD）患者中，部分经选择者存在明显过度充气，肺减容手术和支气管镜肺减容是两种可带来功能改善的干预方式。然而，源站描述明确指出，针对均质性肺气肿患者，LVRS 与 BLVR 之间尚缺乏直接比较的研究数据。CLUB-HE 试验正是在这一背景下设立，试图通过直接比较为临床治疗选择提供依据。该数据集即对应这一试验，主题标签聚焦于 Emphysema or COPD，本站分类归入呼吸系统疾病 / 其他。
【数据内容】
该数据集所对应的研究关注均质性肺气肿或 COPD 患者中 LVRS 与 BLVR 的比较。源站描述提及的观察方向包括两种干预方式带来的功能改善，以及明显过度充气这一患者特征。除上述主题范围外，源站未提供具体变量、指标、样本量、随访时长或数据表结构等信息。
【采集与来源】
数据来源站为 clinicaltrials.gov，对应试验名称为 CLUB-HE Trial，英文标题为 LVRS Versus BLVR in Patients With Homogenous Emphysema。源站描述给出的研究条件为 Emphysema or COPD。关于采集时间、采集机构、采集流程与数据更新频率，源站未提供。
【适用场景】
基于源站描述，该数据集适用于关注均质性肺气肿伴明显过度充气患者治疗选择的场景，尤其是需要了解 LVRS 与 BLVR 直接比较研究信息的用途，可用于辅助理解该患者人群治疗决策所需数据的背景。关于具体的统计分析、模型训练或其他二次利用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式、文件格式或操作说明。
【质量与限制】
源站描述强调，此前缺乏 LVRS 与 BLVR 在均质性肺气肿患者中的直接比较，该研究旨在填补这一空白并提供指导治疗选择的重要数据。除这一研究定位外，关于数据质量评价、样本代表性、偏倚控制或使用限制，源站未提供。
【引用与许可】
源站未提供该数据集的引用格式与许可信息。
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/NCT04781582
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：肺气肿或慢性阻塞性肺疾病（COPD）。对于经过筛选的均质性肺气肿且过度充气明显的患者，肺减容手术（LVRS）以及支气管镜下肺减容术（BLVR）均能带来功能改善。目前尚无针对均质性肺气肿患者中LVRS与BLVR的直接比较研究，因此本研究将提供重要数据，以指导该患者群体的治疗选择。
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。
