慢性阻塞性肺疾病肠道菌群随CT确认的肺气肿状态变化
该数据集来自单中心病例对照研究，包含62名现吸烟或曾吸烟的COPD患者与49名对照者的粪便样本，对细菌16S-rRNA基因V3V4区进行测序，并依据胸部CT低衰减区定义肺气肿
基本信息
资源简介
慢性阻塞性肺疾病肠道菌群随CT确认的肺气肿状态变化
The gut microbiota in chronic obstructive pulmonary disease varies by CT-verified emphysema status
该数据集来自单中心病例对照研究，包含62名现吸烟或曾吸烟的COPD患者与49名对照者的粪便样本，对细菌16S-rRNA基因V3V4区进行测序，并依据胸部CT低衰减区定义肺气肿。数据可用于比较COPD患者与健康对照的肠道菌群差异，分析菌群与肺气肿等COPD表型的关联，支持微生物组分类与关联分析（来源 DataONE，CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：背景与目的：肠道菌群与慢性阻塞性肺疾病（COPD）表型的关联尚待充分研究。我们旨在比较COPD患者与健康对照的粪便样本，并将发现与常见COPD表型相关联。方法：单中心病例对照研究，纳入62名现吸烟和曾吸烟的COPD患者及49名对照。从粪便样本中提取DNA，并对细菌16S-rRNA基因的V3V4区进行测序。肺气肿依据胸部计算机断层扫描（CT thorax）在阈值-950和-910 Hounsfield单位下低衰减区分别≥/<10%来定义。微生物数据使用QIIME 2和R进行分析。结果：与健康对照相比，COPD中Veillonella属减少，而属于Clostridia纲的一个属增加。肺气肿与对照相比，Beta多样性指标Bray Curtis存在差异，且27
【主题与分类】
主题标签：Lachnospiraceae、Emphysema、COPD、Microbiome。本站分类：呼吸系统疾病/其他。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Ac5eb25984342745bcff1546eef761da7f210b0f1b91bc3f8683eed01d852cab7
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
背景与目的：肠道微生物群与慢性阻塞性肺疾病（COPD）表型之间的关联尚未得到充分探索。我们旨在比较COPD患者与健康对照者的粪便样本，并将发现与常见的COPD表型相关联。方法：单中心病例对照研究，纳入62名目前吸烟和既往吸烟的COPD患者及49名对照者。从粪便样本中提取DNA，并对细菌16S-rRNA基因的V3V4区域进行测序。肺气肿的定义基于胸部计算机断层扫描（胸部CT）低衰减区域，分别在-950和-910 Hounsfield单位的阈值下≥/<10%。微生物数据使用QIIME 2和R进行分析。结果：与健康对照者相比，COPD患者中韦荣球菌属减少，而属于梭菌纲的一个属增加。肺气肿患者与对照者之间的β多样性指标Bray Curtis存在差异，且肺气肿患者与对照者之间有27个属的丰度存在差异。其中9个属属于……，QIIME 2和R
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。
