语音表型用于神经退行性与精神疾病远程评估的临床可行性

数据集获取

源站：https://clinicaltrials.gov/study/NCT04939818

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

疾病：阿尔茨海默病、轻度认知障碍、路易体痴呆、血管性痴呆、额颞叶痴呆、原发性进行性失语、帕金森病、运动神经元病。本研究的主要目的是评估在不同神经退行性和精神疾病适应症中，通过远程、自我实施的言语任务诱发连续叙述性言语的可行性，以自我评估第一周内每项言语任务的平均言语诱发长度为衡量标准。

次要目标包括：(1) 评估远程自施测环境中言语任务的可靠性，以受试者内和受试者间方差衡量；(2) 评估该环境下言语任务的依从性，以第一周内至少提交一次任务响应的受试者平均天数比例衡量；(3) 评估在远程医疗视频会议环境中使用言语任务的可行性，以各组中诱发的言语平均长度衡量；(4) 评估一组声学和语言模式能否检测每种适应症，与对照组或所有其他适应症进行比较，以相关二分类器的受试者工作特征曲线下面积(AUC)、敏感性、特异性和Cohen’s kappa衡量；(5) 评估说话者和环境协变量如何影响此类算法的性能，以每个分类器的AUC与年龄组、性别和语音混响调制能量比之间的Kendall秩相关系数衡量。

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。