阿尔茨海默病神经影像学倡议 4

数据集获取

源站：https://clinicaltrials.gov/study/NCT05617014

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

条件：轻度认知障碍、阿尔茨海默病、痴呆。自2004年启动以来，阿尔茨海默病神经影像学倡议（ADNI）一直是一个具有里程碑意义的公私合作项目，致力于开发并验证阿尔茨海默病（AD）的生物标志物，并改进临床试验设计。ADNI4延续了此前获得资助的ADNI1、ADNI-GO、ADNI2和ADNI3研究，并整合临床、认知、影像、遗传和生化生物标志物数据，以刻画阿尔茨海默病从正常认知到痴呆的完整谱系。ADNI4研究是一项多中心、非随机、纵向、自然史、非治疗性研究。约1，500名参与者将被纳入三个队列：认知正常（CN）、轻度认知障碍（MCI）和痴呆（DEM）。年龄在55至90岁之间的参与者将在美国和加拿大的多个研究中心入组。约750名参与者将新入组ADNI4，约750名参与者将为从既往ADNI研究延续而来的滚动参与者。

将在三个队列中纵向评估临床、认知、影像、生物标志物和遗传特征。入选ADNI4的参与者将接受长达五年的纵向临床和认知评估、计算机化认知测试组合、生物标志物和基因检测、针对淀粉样蛋白和tau的正电子发射断层扫描（PET）成像、磁共振成像（MRI），以及脑脊液（CSF）采集。ADNI4整合了临床内和远程方法，包括基于网络的认知评估和基于血液的生物标志物，以支持对疾病连续谱中个体的可扩展识别和纵向监测，并为未来的临床试验设计提供依据。ADNI4还包括Together Exploring Aging Minds（TEAM-ADNI）队列，这是一个小型的补充性子队列，用于评估基于社区的招募以及参与者识别、入组和纵向数据收集的灵活方法。

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。