首尔国立大学气道登记研究
该数据集来自clinicaltrials.gov，为多中心、前瞻性观察性队列研究，纳入慢性阻塞性肺疾病（COPD）、哮喘、哮喘-COPD重叠综合征（ACOS）等慢性气道疾病患者，同时覆盖支气管扩张与非活动性肺结核
基本信息
资源简介
首尔国立大学气道登记研究
Seoul National University Airway Registry 收录于 clinicaltrials.gov，是一项多中心、前瞻性观察性队列研究的数据集，聚焦慢性气道疾病人群。其登记范围涵盖慢性阻塞性肺疾病（COPD）、哮喘、哮喘合并慢性阻塞性肺疾病（即哮喘-COPD重叠综合征，ACOS）、支气管扩张、非活动性肺结核以及慢性阻塞性气道疾病。该数据集在本站归入呼吸系统疾病下的肺结核分类，主题标签与上述疾病条目一致。整体而言，该数据集以慢性气道疾病的长期观察性随访为基本框架，面向呼吸系统疾病研究，尤其是慢性气道疾病与肺结核相关问题的研究使用。
【数据集背景】
该数据集来源于 clinicaltrials.gov 登记的一项多中心、前瞻性观察性队列研究。研究以慢性气道疾病患者为招募对象，明确纳入慢性阻塞性肺疾病（COPD）、哮喘以及哮喘-COPD重叠综合征（ACOS）患者。除上述核心人群外，登记条件还覆盖支气管扩张、非活动性肺结核和慢性阻塞性气道疾病。多中心设计与前瞻性观察性队列的定位，说明其数据组织围绕真实临床环境中的患者群体展开，而非干预性试验。
【数据内容】
数据集所涉及的主题标签包括慢性阻塞性肺疾病（COPD）、哮喘、哮喘合并慢性阻塞性肺疾病、支气管扩张、非活动性肺结核以及慢性阻塞性气道疾病。对应的登记条件与主题标签相互一致，构成该数据集覆盖的疾病范围。关于具体变量、随访指标、样本量等细节，源站未提供。
【采集与来源】
数据来源站为 clinicaltrials.gov。研究类型为多中心、前瞻性观察性队列研究，招募对象为包括 COPD、哮喘、ACOS 在内的慢性气道疾病患者。关于各中心的具体构成、招募时间窗与随访安排，源站未提供。
【适用场景】
基于其疾病覆盖范围，该数据集适用于慢性气道疾病领域的观察性研究场景，包括对 COPD、哮喘及哮喘-COPD重叠综合征人群的队列分析，也可用于涉及支气管扩张、非活动性肺结核与慢性阻塞性气道疾病的研究问题。其多中心、前瞻性队列属性适合支持真实临床环境下的疾病特征与转归观察。具体分析用途的边界，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该数据集为观察性队列研究，非干预性设计。关于数据质量控制措施、缺失情况、偏倚评估及使用限制，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/NCT02527486
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
疾病条件：慢性阻塞性肺疾病（COPD）、哮喘、哮喘合并慢性阻塞性肺疾病、支气管扩张、非活动性肺结核、慢性阻塞性气道疾病。这是一项多中心、前瞻性观察性队列研究，将招募包括慢性阻塞性肺疾病（COPD）、哮喘、哮喘-慢阻肺重叠综合征（ACOS）在内的慢性气道疾病患者。
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。
