阿尔茨海默病中退行性与脑血管病理的MRI测量
该数据集源自 search.dataone.org，属于神经系统疾病/阿尔茨海默病分类。研究基于曼哈顿北部社区 Medicare 受益人的横断面与纵向队列（N=1,175，平均年龄78岁），从 MRI 量化白质高信号、梗死灶、海马体积和皮层厚度，并组合生成与情景记忆相关的 MRI 测量指标
基本信息
资源简介
阿尔茨海默病中退行性与脑血管病理的MRI测量
An MRI measure of degenerative and cerebrovascular pathology in Alzheimerâs disease
该数据集源自 search.dataone.org，属于神经系统疾病/阿尔茨海默病分类。研究基于曼哈顿北部社区 Medicare 受益人的横断面与纵向队列（N=1,175，平均年龄78岁），从 MRI 量化白质高信号、梗死灶、海马体积和皮层厚度，并组合生成与情景记忆相关的 MRI 测量指标。该指标在社区参与者中开发，并利用尸检数据、临床诊断、脑脊液生物标志物及 ADNI 的淀粉样蛋白 PET 进行重复与验证。数据可用于阿尔茨海默病中脑血管与神经退行性病变的定量评估研究（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：目的：开发、重复并验证一种基于 MRI 的定量测量方法，用于评估阿尔茨海默病中的脑血管病变和神经退行性病变，以供临床及潜在研究用途。方法：我们使用了曼哈顿北部符合 Medicare 资格的居民的一项横断面和纵向社区研究数据，每 18-24 个月随访一次（N=1,175，平均年龄=78 岁）。从 MRI 中量化白质高信号、梗死灶、海马体积和皮层厚度，并组合生成与情景记忆相关的 MRI 测量指标。该组合 MRI 测量指标利用尸检数据、临床诊断以及来自阿尔茨海默病神经影像学倡议的脑脊液生物标志物和淀粉样蛋白 PET 进行了重复和验证。结果：该定量 MRI 测量指标在一组社区参与者（n=690）中开发，并在一个 si
【主题与分类】
主题标签：Alzheimer's disease、Memory、All Cerebrovascular disease/Stroke、MRI、Cohort studies。本站分类：神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Ac033ff45109c0e08ac686191d32cd009ee855f7950dd64a1a4bca1fbfd5de93a
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
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
目的：开发、复制并验证一种基于MRI的阿尔茨海默病脑血管和神经变性定量测量方法，用于临床及潜在的研究目的。方法：我们使用了来自曼哈顿北部符合医疗保险资格居民的一项横断面和纵向社区研究的数据，每18-24个月随访一次（N=1,175，平均年龄=78岁）。从MRI中量化白质高信号、梗死灶、海马体积和皮质厚度，并将其组合生成与情景记忆相关的MRI测量指标。该组合MRI指标利用尸检数据、临床诊断以及阿尔茨海默病神经影像学倡议的脑脊液生物标志物和淀粉样蛋白PET进行了复制和验证。结果：该定量MRI指标在一组社区参与者（n=690）中开发，并在类似的第二组（n=485）中复制。与健康对照相比，该定量MRI指标在……中较低。
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。
