澳大利亚影像生物标志物与生活方式研究
AIBL 收集正常、MCI 和 AD 参与者的 PET/MRI、认知评估、血液标志物和生活方式变量，适合研究疾病发生、进展和风险因素。
基本信息
资源简介
澳大利亚影像生物标志物与生活方式研究
【一句话概览】
澳大利亚衰老影像、生物标志物与生活方式（AIBL）旗舰研究是一项持续进行的观察性队列研究，旨在帮助研究人员深入了解阿尔茨海默病的发病与进展。该研究每18个月从队列中采集一次生物标志物（血液和脑脊液中的阿尔茨海默病相关蛋白）以及核医学和结构性神经影像信息，同时收集认知、情绪、健康与生活方式等资料。自2006年以来，AIBL已从3045名参与者中收集数据，累计10494人接触年。这一高度特征化的大型数据库为阿尔茨海默病的临床病理模型、早期或临床前阶段的临床与生物学变化表征以及相关药物设计提供了基础（来源 aibl.org.au）。
【数据集背景】
本数据集源站标题为《The AIBL study》。
【数据内容】
源站原始描述：The Australian Imaging, Biomarker and Lifestyle (AIBL) Flagship Study of Ageing is an ongoing observational cohort study helping researchers unlock new insights into the onset and progression of Alzheimer’s disease. The AIBL study collects information from the cohort every 18 months on biomarkers (proteins related to Alzheimer’s disease) from blood and cerebrospinal fluid and nuclear and structural neuroimaging methods. Our researchers also collect information about cognition, mood and health an…
中文译文（机器翻译，仅供快速理解，请以原文为准）：澳大利亚老龄化影像、生物标志物与生活方式（AIBL）旗舰研究是一项正在进行的观察性队列研究，帮助研究人员对阿尔茨海默病的发病和进展获得新见解。AIBL研究每18个月从队列中收集一次信息，包括血液和脑脊液中的生物标志物（与阿尔茨海默病相关的蛋白质）以及核医学和结构性神经影像方法的信息。我们的研究人员还收集有关认知、情绪以及决定阿尔茨海默病发展的健康和生活方式因素的信息。自2006年以来，AIBL已收集了3045*名参与者的研究数据，累计10,494*人-接触年。这个由高度特征化个体组成的大型数据库，为阿尔茨海默病发展的临床病理模型、描述阿尔茨海默病早期或临床前阶段的临床和生物学变化，以及设计旨在延缓发病、预防和治疗阿尔茨海默病的药物提供了基础。
【主题与分类】
主题标签：Alzheimer''s disease、biomarkers、neuroimaging、cognition、lifestyle、longitudinal cohort、blood、cerebrospinal fluid、genetics、machine learning。
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://aibl.org.au/
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。
暂未开放有偿下载
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
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
AIBL 是澳大利亚阿尔茨海默病纵向队列，包含影像、生物标志物、认知和生活方式数据，部分通过 ADNI 平台访问。
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。
