Melodica Orchestra 用于呼吸困难:安全性与可行性试点
该数据集来自 clinicaltrials.gov,聚焦 COPD、慢性阻塞性肺疾病、呼吸困难、气短、肺气肿与慢性支气管炎人群

基本信息
资源简介
Melodica Orchestra 用于呼吸困难:安全性与可行性试点
该数据集来自 clinicaltrials.gov,聚焦 COPD、慢性阻塞性肺疾病、呼吸困难、气短、肺气肿与慢性支气管炎人群。源站描述为一项试点研究,主要目标包括评估在患有中重度呼吸困难的 COPD 退伍军人中开展 melodica 训练项目以教授缩唇呼吸的安全性,以及评估该项目的可行性,假设参与者将参加超过 50% 的课程,并假设前往 VA Medical Center 参加课程的交通问题会被识别为显著障碍。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:COPD、慢性阻塞性肺疾病、呼吸困难、气短、肺气肿、慢性支气管炎。具体目标:主要目标 1:评估在患有中重度呼吸困难的 COPD 退伍军人中开展 melodica 训练项目以教授缩唇呼吸的安全性。我们假设 melodica 训练项目可以在患有严重呼吸困难的 COPD 患者中安全实施。主要目标 2:评估在患有呼吸困难的 COPD 退伍军人中实施 melodica 训练项目以教授缩唇呼吸的可行性。我们假设在患有呼吸困难的 COPD 退伍军人中实施 melodica 训练项目以教授缩唇呼吸是可行的;具体而言,入组参与者将参加超过 50% 的课程。我们还假设前往 VA Medical Center 参加课程的交通问题将被识别为显著障碍。
【主题与分类】
主题标签:COPD、Chronic Obstructive Pulmonary Disease、Dyspnea、Breathlessness、Emphysema、Chronic Bronchitis。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03653104
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/NCT03653104
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:COPD、慢性阻塞性肺疾病、呼吸困难、气短、肺气肿、慢性支气管炎。具体目标:主要目标1:评估一项口风琴训练项目在患有中重度呼吸困难的COPD退伍军人中教授缩唇呼吸的安全性。我们假设,口风琴训练项目可以在患有严重呼吸困难的COPD患者中安全实施。主要目标2:评估在患有呼吸困难的COPD退伍军人中实施口风琴训练项目以教授缩唇呼吸的可行性。我们假设,在患有呼吸困难的COPD退伍军人中实施口风琴训练项目以教授缩唇呼吸是可行的;具体而言,入组参与者将参加超过50%的课程。我们还假设,前往VA医疗中心参加课程的交通问题将被确定为参与的重要障碍。次要目标:收集口风琴训练项目在患有呼吸困难的COPD退伍军人中教授缩唇呼吸的初步疗效数据。
本研究的目的是了解在为期8周的训练项目中,口风琴训练是否能在短期和较长期内改善呼吸困难。我们假设口风琴训练项目在短期内可将呼吸困难降低30%,在长期内降低10%。我们还假设,与对照组相比,干预组参与者在次要疗效结局指标上将显示出改善,包括运动耐力、肺功能、进入肺康复、生活质量、患者总体变化印象和焦虑。随机化与干预:随机化:参与者将采用区组随机化设计,按1:1:1的比例随机分配至干预组(N=50)、常规照护对照组(N=50)和教育对照组(N=50)。我们还将努力识别N=30名符合COPD诊断和肺量计检查资格标准但选择不参与干预的退伍军人;这些退伍军人将被邀请参加一次简短访谈,以识别参与
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。




