使用正电子发射断层扫描评估特应性哮喘患者的肺部炎症
该数据集来自 clinicaltrials.gov,聚焦特应性哮喘患者肺部炎症的评估。源站描述涉及哮喘、过敏、肺部疾病及韦格纳肉芽肿等病症,提出利用 2-脱氧-2-[18F]氟-D-葡萄糖(FDG)正电子发射断层扫描(PET)在体内研究不同严重程度特应性哮喘患者的肺部炎症变化,并假设 FDG 摄取程

基本信息
资源简介
使用正电子发射断层扫描评估特应性哮喘患者的肺部炎症
该数据集来自 clinicaltrials.gov,聚焦特应性哮喘患者肺部炎症的评估。源站描述涉及哮喘、过敏、肺部疾病及韦格纳肉芽肿等病症,提出利用 2-脱氧-2-[18F]氟-D-葡萄糖(FDG)正电子发射断层扫描(PET)在体内研究不同严重程度特应性哮喘患者的肺部炎症变化,并假设 FDG 摄取程度与肺功能测试及临床体征所确定的哮喘严重程度相关。数据可用于探索哮喘炎症的影像学标志物及其与疾病严重程度的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:哮喘、过敏、肺部疾病、韦格纳肉芽肿。哮喘是一种慢性炎症性疾病。我们提出使用 2-脱氧-2-[18F]氟-D-葡萄糖(FDG)正电子发射断层扫描(PET)在体内研究不同严重程度特应性哮喘受试者肺部的炎症变化。已有研究表明,通过 PET 扫描检测到的 FDG 摄取与动物模型以及人类疾病过程(如结节病、结核病和脓肿形成)中的炎症相关。此外,已有研究表明,特应性哮喘患者过敏原激发相关的炎症可通过 FDG PET 扫描可视化。我们假设作为炎症衡量指标的 FDG 摄取程度与通过肺功能测试及临床体征和症状确定的哮喘严重程度相关。此外,在
【主题与分类】
主题标签:Asthma、Hypersensitivity、Lung Diseases、Wegener's Granulomatosis。本站分类:呼吸系统疾病/肺结核。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00001759
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://clinicaltrials.gov/study/NCT00001759
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:哮喘、过敏、肺部疾病、韦格纳肉芽肿。哮喘是一种慢性炎症性疾病。我们拟采用2-脱氧-2-[18F]氟-D-葡萄糖(FDG)正电子发射断层扫描(PET)在体内研究不同严重程度的特应性哮喘受试者肺部的炎症变化。已有研究表明,PET扫描检测到的FDG摄取与动物模型以及结节病、结核病和脓肿形成等人类疾病过程中的炎症相关。此外,已有研究表明,特应性哮喘患者过敏原激发相关的炎症可通过FDG PET扫描显像。我们假设,作为炎症衡量指标的FDG摄取程度与通过肺功能检查及临床体征和症状确定的哮喘严重程度相关。此外,还将获得有关炎症变化空间分布的信息。
为比较哮喘中的炎症与非哮喘性肺部炎症的特征,将把哮喘受试者获得的图像与由韦格纳肉芽肿病引起肺部炎症改变的受试者的图像进行比较。特应性哮喘受试者和非特应性对照受试者将从社区中选取,若符合研究条件,将接受针对常见过敏原的皮肤试验和肺功能检测。韦格纳肉芽肿病患者将从NIAID随访该病的一大组受试者中选取。将使用FDG进行PET扫描,在NIH临床中心的PET扫描设施中测量炎症,扫描结果将与疾病严重程度进行相关性分析。我们预期,这种方法将首次能够对特应性哮喘患者的基本致病过程——过敏性炎症——进行客观测量。使用这种方法,将有可能研究当前可用疗法对过敏性疾病的疗效
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。




