对照组 CTRL COH 数据集
疾病：帕金森病；肌萎缩侧索硬化；胶质母细胞瘤；无神经系统疾病的癌症；类风湿性多关节炎。自身免疫性脑炎（AE）和副肿瘤性神经综合征（PNS）是难以诊断的罕见疾病
基本信息
资源简介
对照组 CTRL COH 数据集
Control Cohort CTRL COH 是一个以肿瘤/脑肿瘤为分类归属、来源于 clinicaltrials.gov 的数据集。该数据集围绕帕金森病、肌萎缩侧索硬化、胶质母细胞瘤、无神经系统疾病的癌症以及类风湿性多关节炎等疾病状态组织样本与信息，其设立与自身免疫性脑炎（AE）和副肿瘤性神经综合征（PNS）这类罕见且诊断困难的疾病相关。源站描述指出，为开发更具特异性的诊断工具，需要从不同疾病中获取大量样本，并有可能通过表征新的遗传生物标志物来实现这一目标。该数据集可作为多疾病对照样本的集合，服务于神经系统疾病与肿瘤相关诊断标志物研究的对照需求。
【数据集背景】
自身免疫性脑炎（AE）和副肿瘤性神经综合征（PNS）属于罕见疾病，临床诊断存在较大困难。源站描述明确指出，开发更具特异性的诊断试剂盒需要从不同疾病中获取大量样本，而通过表征新的遗传生物标志物，这一目标有可能实现。Control Cohort CTRL COH 正是在这一研究需求背景下建立的对照队列，其涉及的疾病范围涵盖帕金森病、肌萎缩侧索硬化、胶质母细胞瘤、无神经系统疾病的癌症以及类风湿性多关节炎，用以支撑跨疾病的样本比较与标志物研究。
【数据内容】
该数据集的主题标签包括帕金森病、肌萎缩侧索硬化、胶质母细胞瘤、无神经系统疾病的癌症以及类风湿性多关节炎。从疾病构成看，队列同时包含神经退行性疾病（帕金森病、肌萎缩侧索硬化）、中枢神经系统肿瘤（胶质母细胞瘤）、不伴神经系统疾病的肿瘤以及自身免疫性风湿病（类风湿性多关节炎），形成多疾病类型的对照组合。关于样本的具体类型、数量、检测指标与数据字段，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述提及其关注的条件包括帕金森病、肌萎缩侧索硬化、胶质母细胞瘤、无神经系统疾病的癌症以及类风湿性多关节炎，并说明获取来自不同疾病的大量样本是开发更特异诊断工具的必要条件。关于具体的采集地点、采集时间、采集流程与样本处理方式，源站未提供。
【适用场景】
基于其疾病构成，该数据集适用于涉及帕金森病、肌萎缩侧索硬化、胶质母细胞瘤、无神经系统疾病的癌症与类风湿性多关节炎的对照研究，以及面向自身免疫性脑炎和副肿瘤性神经综合征诊断难题的生物标志物探索。源站描述强调通过表征新的遗传生物标志物来提升诊断特异性，因此该队列可用于不同疾病样本间的比较分析，为特异性诊断工具的研发提供对照基础。关于具体的分析任务类型与验证方式，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
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/NCT05370079
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
研究条件：帕金森病；肌萎缩侧索硬化；胶质母细胞瘤；无神经系统疾病的癌症；类风湿性多关节炎。自身免疫性脑炎（AE）和副肿瘤性神经综合征（PNS）是罕见疾病，诊断可能较为困难。因此，有必要从不同疾病中获取大量样本，以开发更具特异性的诊断试剂盒。这可以通过表征新的遗传生物标志物来实现。
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。
