非结核分枝杆菌肺病研究
疾病:非结核分枝杆菌肺病。由非结核分枝杆菌(NTM)引起的肺部疾病发病率不断上升,其中相当比例的患者无既存肺病,也无明确可证的免疫缺陷

基本信息
资源简介
非结核分枝杆菌肺病研究
非结核分枝杆菌肺病是一种由非结核分枝杆菌(NTM)引起的肺部疾病,近年来其发病率呈不断上升趋势。在患者构成上,相当比例的患者既无既存肺病,也无明确可证的免疫缺陷,且以不吸烟的老年女性为主。高分辨率计算机断层扫描可显示多灶性支气管扩张合并多个小结节的典型表现。由于NTM是普遍存在的环境微生物,人群暴露具有普遍性而发病相对罕见,提示正常宿主防御机制足以有效阻止感染;同时,并非所有NTM肺病患者都需要接受长期抗生素治疗,何时启动治疗是临床中最困难的问题之一。本数据集围绕该疾病主题,收录来自clinicaltrials.gov的相关信息,归入呼吸系统疾病/其他分类,为相关研究与临床参考提供资料入口。
【数据集背景】
非结核分枝杆菌肺病的发病率持续上升,且患者群体具有较为鲜明的特征:相当比例的患者没有既存肺病,也没有明确可证的免疫缺陷,以不吸烟的老年女性为主。影像学上,高分辨率计算机断层扫描可见多灶性支气管扩张合并多个小结节的典型表现。NTM属于普遍存在的环境微生物,人群暴露具有普遍性,而疾病发生相对罕见,这一反差提示正常宿主防御机制通常足以有效阻止感染。在治疗决策方面,并非所有患者都需要长期抗生素治疗;按照美国胸科学会指南的提示,何时开始治疗可能是最困难的问题之一。该数据集即围绕这一疾病主题组织相关信息。
【数据内容】
数据集主题标签为非结核分枝杆菌肺病,所涉疾病条件为Nontuberculous Mycobacterial Lung Disease。源站描述涵盖疾病定义、患者人群特征、影像学表现、病原体环境分布特点以及治疗决策中的关键难点等内容。数据集的具体字段构成、记录条数、变量类型与随访信息,源站未提供。
【采集与来源】
该数据集来源于clinicaltrials.gov,本站分类为呼吸系统疾病/其他。除来源站与疾病条件外,具体的采集时间、采集方式、筛选标准与更新频率,源站未提供。
【适用场景】
基于所涉疾病主题,该数据集可用于了解非结核分枝杆菌肺病的疾病背景、患者人群特征与影像学表现,并可作为关注治疗时机与长期抗生素治疗决策问题的参考资料。具体的适用研究设计、分析用途与使用范围,源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT00970801
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
疾病情况:非结核分枝杆菌肺病。由非结核分枝杆菌(NTM)引起的肺部疾病发病率持续上升,且相当一部分患者既无既存肺部疾病,也无明显的免疫缺陷。这些患者主要为不吸烟的老年女性。高分辨率计算机断层扫描显示多灶性支气管扩张合并多个小结节的特征性表现。NTM是普遍存在的环境微生物。由于接触这些微生物极为普遍,而疾病发生罕见,正常的宿主防御机制必定足以有效防止感染。并非所有NTM肺病患者都需要接受长期抗生素治疗。正如美国胸科学会指南所指出的,最棘手的问题之一可能是何时对NTM肺病患者开始抗生素治疗。开始治疗的决定需权衡预期收益与风险。
对于症状严重且存在破坏性病变的患者,决策相对容易;然而,对于症状轻微且病变未进展的患者,决策则较为困难。必须考虑的因素包括患者年龄、症状是轻微还是模棱两可,以及是否存在合并症。在所有情况下,若不进行治疗,密切观察是必要的。然而,少数研究表明,具有某些特征的患者会出现疾病进展。NTM肺病的治疗取决于感染菌种,但关于是否启动治疗的决定从来都不容易。治疗需要使用多种药物,持续18至24个月。因此,治疗费用高昂,常伴有显著副作用,且往往不能治愈。因此,临床医生应确信存在足够的病理改变,以支持延长疗程的多药治疗方案。在所有情况下,只有当临床医生、
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




