经颅交流电刺激联合数字认知训练用于老年人认知康复的关联研究
该数据集来自 clinicaltrials.gov,聚焦经颅交流电刺激联合数字认知训练用于老年人认知康复的关联研究,覆盖认知功能障碍、阿尔茨海默病、轻度认知障碍、认知衰退、额颞叶变性、痴呆、血管性痴呆及路易体病等人群

基本信息
资源简介
经颅交流电刺激联合数字认知训练用于老年人认知康复的关联研究
该数据集来自 clinicaltrials.gov,聚焦经颅交流电刺激联合数字认知训练用于老年人认知康复的关联研究,覆盖认知功能障碍、阿尔茨海默病、轻度认知障碍、认知衰退、额颞叶变性、痴呆、血管性痴呆及路易体病等人群。研究目标包括评估经颅直流电刺激辅助认知训练的可行性与安全性、通过综合神经心理学测验评估联合干预对认知功能的调节效果、借助事件相关电位(N200、P300)探索神经机制,并识别潜在相关因素。可用于认知障碍干预研究、神经电生理标志物分析及认知康复效果评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:认知功能障碍、阿尔茨海默病、轻度认知障碍、认知衰退、额颞叶变性、痴呆、血管性痴呆、路易体病。本研究的目标是: 在诊断为轻度认知障碍(MCI)、主观认知下降或处于初期阶段阿尔茨海默病(CDR 1)的个体队列中,探讨经颅直流电刺激(tDCS)辅助认知训练(CT)的可行性与安全性。 通过综合神经心理学测验评估该联合干预在调节认知功能方面的疗效。 通过检查事件相关电位(ERPs)的变化,特别是对认知过程和神经可塑性敏感的 N200 和 P300 成分,探索该干预的潜在神经机制。 识别潜在
【主题与分类】
主题标签:Cognitive Dysfunction、Alzheimer Disease、Mild Cognitive Impairment、Cognitive Decline、Frontotemporal Degeneration、Dementia、Dementia, Vascular、Lewy Body Disease、Beta-Amyloid、GFAP。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://clinicaltrials.gov/study/NCT06733714
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/NCT06733714
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
疾病:认知功能障碍、阿尔茨海默病、轻度认知障碍、认知衰退、额颞叶变性、痴呆、血管性痴呆、路易体病。本研究的目标是:* 探讨在诊断为轻度认知障碍(MCI)、主观认知下降或处于初期阶段(CDR 1)的阿尔茨海默病患者群体中,将经颅直流电刺激(tDCS)辅助认知训练(CT)的可行性与安全性。* 评估该联合干预在调节认知功能方面的疗效,通过综合神经心理测验组合进行测量。* 通过检测事件相关电位(ERPs)的变化,特别是对认知过程和神经可塑性敏感的N200和P300成分,探索该干预的潜在神经机制。* 识别血清中可能与认知衰退及干预反应相关的潜在外周生物标志物。* 通过重复ERP测量,确定联合干预是否能诱导神经生理标志物产生持久变化。
- 探究观察到的认知改善、神经生理测量指标变化与血清生物标志物水平变化之间的关系,旨在阐明干预效果背后的生物学机制。
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。




