衰弱老年人认知功能与淀粉样蛋白标志物患病率
研究通过神经影像诊断脑内淀粉样斑块的存在,以实现阿尔茨海默病的早期检测。随访包括基线、1 年和 2 年的完整神经心理、功能和身体评估,6 和 18 个月由老年科医生和研究助理进行医学检查,入组后 2 个月内安排 PET-Scan 测量淀粉样蛋白,并根据临床相关性建议 MRI,第 2 次访视和研究结束

基本信息
资源简介
衰弱老年人认知功能与淀粉样蛋白标志物患病率
该数据集来自 clinicaltrials.gov 的 COGFRAIL 研究,为单中心研究,对 345 名转诊至 Toulouse Frailty Clinic 的个体进行为期 2 年的纵向随访。研究通过神经影像诊断脑内淀粉样斑块的存在,以实现阿尔茨海默病的早期检测。随访包括基线、1 年和 2 年的完整神经心理、功能和身体评估,6 和 18 个月由老年科医生和研究助理进行医学检查,入组后 2 个月内安排 PET-Scan 测量淀粉样蛋白,并根据临床相关性建议 MRI,第 2 次访视和研究结束时采集血样用于生物样本库。扩展研究 CogFrail-Plus 额外增加 2 年(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:衰弱老年人。COGFRAIL 研究是一项单中心研究,整合了对 345 名在 2 年期间转诊至 Toulouse Frailty Clinic 的个体的纵向随访。该流程包括神经影像学检查,以诊断大脑中淀粉样斑块的存在,并允许更早地检测阿尔茨海默病。 将在基线、1 年和 2 年安排访视,进行完整的神经心理、功能和身体评估。 在 6 和 18 个月时,患者将由老年科医生和研究助理进行会诊,进行医学检查。 PET-Scan 将在入组后的 2 个月内安排,用于淀粉样蛋白测量。MRI 将根据临床相关性提出建议。 将在第 2 次访视和研究结束时采集血样用于生物样本库。扩展研究(CogFrail-Plus):扩展研究将额外整合 2 年。
【主题与分类】
主题标签:Frail Elderly。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/NCT03129269
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/NCT03129269
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
条件:体弱老年人。COGFRAIL研究是一项单中心研究,整合了对345名在2年内转诊至图卢兹衰弱诊所的个体的纵向随访。该程序包括神经影像学检查,以诊断大脑中淀粉样斑块的存在,并允许更早地检测阿尔茨海默病。* 将在基线、1年和2年时安排访问,进行全面的神经心理、功能和身体评估。* 在6个月和18个月时,患者将由老年病学家和研究助理进行会诊,进行医疗检查。* 将在纳入后的2个月内安排PET扫描,以进行淀粉样蛋白测量。
将根据临床相关性建议进行MRI检查 * 将在第2次访视和研究结束时采集血样用于生物样本库。扩展研究(CogFrail-Plus):扩展研究将整合COGFRAIL研究参与者在最初2年研究期后的额外2年随访: * 将在第36个月和第48个月安排2次访视,进行全面的神经心理学、功能和身体评估 * 在第30个月和第42个月,患者将由老年病科医生和研究助理进行会诊,进行医学检查 * 将在第36个月和第48个月采集血样。
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。




