脑小血管病特征对阿尔茨海默病鉴别诊断的贡献
该数据集包含208名参与者的多模态医学数据，涉及神经影像（磁共振成像显示白质高信号和血管周围间隙）、体液生物标志物（血浆Aβ42、Aβ40、p-Tau等）以及临床认知评估表格，主要用于研究脑小血管病特征与阿尔茨海默病病理之间的关联，并探索结合血管标记物与AD生物标志物以提高痴呆诊断准确性的方向。
基本信息
资源简介
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。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
暂未开放有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取
源站：https://sdc.ustc.edu.cn/dataDetails/D7X0TJkBQwfvTVc5lefa
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
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。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 小血管病 的高质量、多模态真实临床数据定制解决方案。
