重度慢性阻塞性肺疾病患者表型识别（Groningen重度COPD队列）

数据集获取

源站：https://clinicaltrials.gov/study/NCT04023409

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：重度COPD。理由：慢性阻塞性肺疾病（COPD）以气道阻塞为特征。然而，气流受限的程度并不能充分描述COPD的复杂性，因为患者之间在临床表现、生理学、影像学、治疗反应、肺功能下降和生存方面存在显著异质性。目前，尚无明确的替代方法来描述COPD，但基于临床或基因组及表观基因组因素（表型）识别COPD患者亚组可能是有用的。极重度COPD患者持续转诊至UMCG，为研究者提供了独特机会，得以开展关于极重度COPD表型及其潜在基因-环境相互作用的研究。研究者预期，本研究结果将有助于更早识别那些有发生重度或极重度COPD风险的对象。此外，这将有助于对已确诊COPD进行更好的临床特征描述，可能使不同COPD亚表型能够获得更有针对性的治疗。

目标：主要目标：通过聚类分析识别重度慢性阻塞性肺疾病（COPD）患者的新临床表型。次要目标：* 识别重度COPD患者的临床表型（基于肺功能、临床、影像学、全身性、病理学和免疫学参数等）。* 识别重度COPD患者的内型/中间表型。* 探讨（表观）基因组学（包括遗传学和基因表达）在表征重度COPD患者亚群中的贡献。研究设计：采用两阶段设计的观察性横断面研究。研究人群：因肺移植或支气管镜肺减容咨询转诊至UMCG的重度COPD患者。主要研究参数：主要研究参数是识别新的临床

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。