智能手机咳嗽检测在重度加重COPD中的探索性初步研究
该数据集来自一项单中心、前瞻性、纵向、观察性队列研究，共纳入23名受试者，旨在评估智能手机无接触、近实时咳嗽检测系统在COPD急性加重住院期间及之后的可行性与生物标志物潜力
基本信息
资源简介
智能手机咳嗽检测在重度加重COPD中的探索性初步研究
Smartphone-Enabled Cough Detection in Severely Exacerbated COPD: An Exploratory Pilot Study
该数据集来自一项单中心、前瞻性、纵向、观察性队列研究，共纳入23名受试者，旨在评估智能手机无接触、近实时咳嗽检测系统在COPD急性加重住院期间及之后的可行性与生物标志物潜力。数据包含3个文件，包括图像和文档样例，配套论文发表于COPD: Journal of Chronic Obstructive Pulmonary Disease。该数据可用于探索咳嗽监测作为COPD管理数字生物标志物的应用（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
配套论文《Smartphone-Enabled Cough Detection in Severely Exacerbated COPD: An Exploratory Pilot Study》发表于 COPD: Journal of Chronic Obstructive Pulmonary Disease（2026），DOI：10.1080/15412555.2026.2614152。项目资助方：This work was supported by institutional funds from HOCH Health Ostschweiz, the University of St.Gallen, and ETH Zurich.。源站首次发布：2026-01-21。
【数据内容】
源站描述（机器翻译，仅供参考）：慢性阻塞性肺疾病（COPD）在全球范围内的发病率不断上升。肺功能进行性下降是该病的特征，并导致各种标志性COPD症状。COPD相关发病率和死亡率的很大一部分归因于急性加重，急性加重常需要住院，从而对医疗费用产生不成比例的影响。允许远程患者监测的新型数字健康技术有望通过定制治疗和随访策略来改善COPD管理。我们在此测试了智能手机支持的咳嗽监测在住院患者AECOPD期间及之后的可行性和生物标志物潜力。该研究设计为单中心、前瞻性、纵向、观察性队列研究，共纳入23名受试者。使用了一种无接触、近实时、智能手机支持的咳嗽检测系统进行自动
【数据结构与技术规格】
文件数 3 个，合计 1.39 MB。数据集 DOI：10.6084/m9.figshare.31113083.v1。
【主题与分类】
源站学科分类：Space Science、Medicine、Biotechnology、Sociology、Mathematical Sciences not elsewhere classified、Cancer。主题标签：Cough detection、smartphone、digital biomarker、chronic obstructive pulmonary disease、acute exacerbation。本站分类：呼吸系统疾病/其他。
【适用方向】
源站学科分类标注为 Space Science、Medicine、Biotechnology、Sociology、Mathematical Sciences not elsewhere classified、Cancer。
【获取与许可】
源站页面：https://tandf.figshare.com/articles/dataset/Smartphone-Enabled_Cough_Detection_in_Severely_Exacerbated_COPD_An_Exploratory_Pilot_Study/31113083
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Smartphone-Enabled Cough Detection in Severely Exacerbated COPD: An Exploratory Pilot Study. Taylor & Francis. Boesch, Maximilian; Herrmann, Julia; Baty, Florent; Cleres, David; Leathers, Jonathan; Fleisch, Elgar; et al
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://doi.org/10.6084/m9.figshare.31113083
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:
数据集大小约 1.4 MB。
数据说明
慢性阻塞性肺疾病（COPD）的全球发病率呈上升趋势。肺功能进行性下降是该病的特征，并导致多种典型的COPD症状。COPD相关发病率和死亡率的很大一部分由急性加重引起，急性加重常需住院治疗，从而对医疗费用造成不成比例的影响。能够实现远程患者监测的新型数字健康技术有望通过量身定制的治疗和随访策略改善COPD管理。我们在此测试了住院患者AECOPD期间及之后智能手机支持的咳嗽监测的可行性和生物标志物潜力。该研究设计为单中心、前瞻性、纵向、观察性队列研究，共纳入23名受试者。采用一种非接触式、近实时、智能手机支持的咳嗽检测系统，基于音频记录进行自动咳嗽检测和量化。咳嗽计数与多种临床和生化标志物进行了相关性分析。咳嗽水平在研究入组时最高（约
每小时咳嗽15次），并随时间逐渐下降直至康复（降至每小时5次以下）（发生率比（IRR）：0.97 [0.95–0.98]，p < 0.001）。咳嗽频率及演变在患者个体内和个体间均存在高度变异。此外，咳嗽计数受显著的昼夜节律调控，日间计数较高。咳嗽计数与血氧饱和度呈负相关（IRR：0.9 [0.87–0.95]，p < 0.001），与体温呈正相关（IRR：2.00 [1.47–2.73]，p < 0.001）。自动化、非接触式、基于智能手机的咳嗽检测在因AECOPD住院的COPD患者中具有可行性。咳嗽计数随时间下降，并与相关的临床及生化标志物相关。我们的方法能够近乎实时地对AECOPD进行远程监测，值得进一步开发，以期将咳嗽计数确立为一种早期数字生
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。
