脑小血管病特征对阿尔茨海默病鉴别诊断的贡献

数据集获取

源站：https://sdc.ustc.edu.cn/dataDetails/D7X0TJkBQwfvTVc5lefa

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

该数据集来源于一项横断面队列研究，旨在探讨脑小血管病（CSVD）的影像标记物（如白质高信号和血管周围间隙）对阿尔茨海默病（AD）病理过程的影响及其在AD诊断中的价值。数据集包含208名来自中国老龄化与神经退行性疾病倡议（CANDI）参与者的多模态数据，涵盖神经影像（磁共振成像）、体液生物标志物（通过单分子阵列检测的血浆Aβ42、Aβ40、p-Tau等）以及认知状态评估（如MMSE评分）。研究结果表明，CSVD是痴呆的危险因素，血管病理可促进AD生物标志物水平变化，尤其在疾病早期；结合CSVD标记物与血浆AD生物标志物能提高AD诊断的准确性。该数据集适用于神经退行性疾病、脑小血管病与阿尔茨海默病交互机制、多模态生物标志物整合诊断等研究方向。

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。