肺结核患者中的肺曲霉病数据集
该数据集来自 clinicaltrials.gov，聚焦肺结核患者中的肺曲霉病，涵盖肺结核、曲霉病、陈旧性结核、活动性结核与慢性肺曲霉病等主题
基本信息
资源简介
肺结核患者中的肺曲霉病数据集
该数据集来自 clinicaltrials.gov，聚焦肺结核患者中的肺曲霉病，涵盖肺结核、曲霉病、陈旧性结核、活动性结核与慢性肺曲霉病等主题。慢性肺曲霉病常使已治疗的肺结核复杂化，并具有较高的5年死亡率。数据可用于研究慢性肺曲霉病在已治疗结核患者中的患病率、误诊对结核患病率估算的影响，以及 Aspergillus IgG 检测等诊断方法的应用价值（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：肺结核、曲霉病、陈旧性结核、活动性结核、慢性肺曲霉病。慢性肺曲霉病（CPA）使已治疗的肺结核（PTB）复杂化，具有较高的5年死亡率。2016年，估计有1040万人受到PTB影响。向世界卫生组织（WHO）报告的PTB病例中，仅有57%得到细菌学确诊。CPA既可使已治疗的PTB复杂化，也可模拟已治疗的PTB。在接受过治疗的结核患者中CPA的患病率，以及被误诊的CPA对PTB患病率估算的贡献，尚不清楚。对痰液进行曲霉真菌学分析在CPA中常为阴性。Aspergillus IgG检测是CPA诊断的主要分析之一，但直到最近，其在此背景下的应用仍未得到充分验证。这两种检测在PTB高流行地区都很少可用。抗真菌治疗可改善……
【主题与分类】
主题标签：Pulmonary Tuberculoses、Aspergillosis、Old Tuberculosis、Active Tuberculosis、Chronic Pulmonary Aspergillosis。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/NCT05045391
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/NCT05045391
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
疾病类型：肺结核、曲霉病、陈旧性结核、活动性结核、慢性肺曲霉病。慢性肺曲霉病（CPA）会使已接受治疗的肺结核（PTB）病情复杂化，且5年死亡率高。2016年，估计有1040万人感染PTB。向世界卫生组织（WHO）报告的PTB病例中，仅有57%得到细菌学确认。CPA既可使已治疗的PTB复杂化，又可模拟其表现。已治疗结核患者中CPA的患病率以及误诊的CPA对PTB患病率估算的影响尚不清楚。对CPA患者进行痰液真菌学检查以检测曲霉往往呈阴性。曲霉IgG检测是CPA诊断的主要分析手段之一，但直到最近，其在此背景下的应用才得到充分验证。这两种检测在PTB高发地区往往不常见。抗真菌治疗可提高生存率。然而，已发表研究中的生存率差异显著。报告的生存率为：随访1年时58%-93%，随访5年时17.5%-85%，随访10年时30%-50%。
在选定的CPA患者群体中，每周皮下注射IFNγ已被证明能改善疾病控制，并有助于细菌清除。已报道多种因素影响死亡率，包括基础肺部疾病、高龄、NTM感染、生活质量评分及血清白蛋白水平。在乌兹别克斯坦及邻国，尚无关于PTB患者中CPA患病率及曲霉菌属对抗真菌药物耐药性的数据。本研究旨在确定中亚国家Koch杆菌阳性与Koch杆菌阴性PTB患者中曲霉病的患病率及曲霉菌种分离株的抗真菌耐药性。
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。
