肺纤维化生物标志物队列——IPF 初诊患者前瞻性队列

数据集获取

源站：https://clinicaltrials.gov/study/NCT02755441

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：特发性肺纤维化。IPF的发病机制复杂，包括上皮损伤、常驻成纤维细胞向肌成纤维细胞转化、纤维细胞募集、巨噬细胞活化以及多种细胞因子和趋化因子的释放。其中若干过程会将潜在的生物标志物蛋白释放到血流中或上皮表面，从而可被检测。生物标志物在IPF中主要有两种潜在作用。首先，诊断性生物标志物可将IPF与具有相似症状的其他疾病区分开来，有助于诊断，并可能减少对外科肺活检等高风险操作的需求。其次，预后性生物标志物可区分快速进展者与缓慢进展者，而这在目前尚属困难。本研究将前瞻性纳入丹麦两家最大的IPF患者治疗中心的患者，因此有很大机会纳入丹麦大多数IPF新发病例。将在基线时及长达5年的随访期间测量多种有前景的生物标志物的血液水平。

患者还将通过定期临床检查及查询国家登记数据库进行随访，以确定疾病进展、死亡率、医疗资源利用情况及特定合并症。该数据库将用于确定上述结局的风险因素。计划按性别、治疗、放射学影像、吸烟状况、临床数据（如肺功能检查）、合并症（包括肺部疾病和肺外疾病）以及基线疾病严重程度进行亚组分析。将从研究人群中建立包含血液样本的研究生物样本库。该生物样本库及新诊断IPF患者的数据库将用于IPF的未来研究。前瞻性创建的数据库也将用于IPF的未来研究。

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。