婴儿呼吸感应体积描记信号分析评分工具

数据集获取

源站：https://search.dataone.org/view/sha256%3A60186404f4cc6c7dace4b1027e626257531618b7afbc81c5b7332ca93738f993

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

从麻醉中恢复的婴儿面临危及生命的术后呼吸暂停（POA）风险。POA事件较为罕见，因此对POA的研究需要分析长时程的心肺记录。人工判读是分析此类数据的首选方法，但其受限于判读者自身及判读者之间的重复性较低。此外，推荐的判读规则并未对呼吸模式提供全面的描述。本研究描述了一套可解决上述局限性的人工判读工具。这些工具包括：（i）一套针对6种互斥且独特的模式的判读定义与规则，这些模式能够完整表征婴儿呼吸感应体积描记（RIP）信号；（ii）RIPScore，一款用于将这些规则应用于婴儿数据的图形化人工判读软件；（iii）一个包含代表6种模式各自数据片段的库；（iv）一套全自动、交互式的正式培训方案，用于标准化分析并建立判读者自身及判读者之间的重复性；以及（v）一种用于监测判读者长期表现的质量控制方法。

为评估这些工具，我们招募了来自不同背景的三名评分者，并对其进行培训，使其达到与专家相似的表现水平。这些评分者在两个独立的情况下使用RIPScore分析有POA风险的婴儿数据。评分者表现出高准确性和一致性，能高效分析数据，具有非常好的评分者内和评分者间重复性，且仅在模式间表现出轻微的混淆。这些结果表明，我们的工具是分析长数据记录中呼吸模式的一种极佳方法。尽管这些工具是为研究POA而开发的，但其用途可扩展到任何使用RIP的呼吸模式研究（例如，睡眠呼吸暂停、拔管准备）。此外，通过建立和监测评分者重复性，我们的工具使多名评分者能够分析大型数据集，这对于纵向

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。