电阻抗断层成像观察性队列研究：机械通气儿科患者通气分布

数据集获取

源站：https://clinicaltrials.gov/study/NCT02247700

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：呼吸衰竭、急性呼吸窘迫综合征、急性肺损伤。A. 具体目标/目的 具体目标1：确定需要机械通气的儿童队列中的区域顺应性和通气分布。假设——所有患者均会发现通气分布异常。具体目标2：确定机械通气治疗过程中区域通气分布的变化。假设——随着患者肺功能改善并逐步脱离机械通气，区域通气分布将发生显著变化。具体目标3：将BCH研究团队先前开发的EIT引导通气算法与医疗团队关于机械通气的决策进行比较。假设——EIT引导通气算法将比临床团队决策更早地识别出减少肺不张和过度膨胀的变化。B.

背景与意义 关于机械通气的临床决策在很大程度上依赖于临床判断，而临床判断通常基于对相关生理参数的间歇性和主观性评估，这些参数仅反映整体肺功能，未考虑通气的区域分布。直到最近，尚无一种方法能够在不使患者暴露于胸部X线片（CXR）或计算机辅助断层扫描（CT）辐射的情况下确定通气的区域分布。CT和CXR可提供区域特异性信息，但仅是某一时间点的快照。确定肺部不同区域随时间对治疗干预的反应具有挑战性。然而，我们的研究团队在一种名为电阻抗断层成像（EIT）的无创、无辐射医学成像技术方面拥有丰富的研究经验。EIT可提供通气变化的区域信息。这一额外信息来源可通过为床旁临床医生提供持续决策支持来帮助优化机械通气，因为EIT数据可能

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。