佘山老年人群认知障碍队列研究
该数据集来自clinicaltrials.gov，为上海松江区佘山镇天马地区60岁及以上常住居民的前瞻性观察性队列，共2000人，覆盖全性别、全族裔
基本信息
资源简介
佘山老年人群认知障碍队列研究
该数据集来自clinicaltrials.gov，为上海松江区佘山镇天马地区60岁及以上常住居民的前瞻性观察性队列，共2000人，覆盖全性别、全族裔。采集人口学信息、神经精神量表、外周血血清Aβ40、Aβ42、p-tau 181、217、尿液蛋白质组、APOE基因型、脑MRI及语音信息；初筛后随机抽取20%临床确诊MCI和AD患者进行AV45-PET、FDG-PET、Tau-PET、GLP-1R PET及胆碱能受体探针ASEM PET检查，每年随访两次共4次。可用于认知障碍与阿尔茨海默病的风险预测、生物标志物关联分析及疾病进展建模（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：阿尔茨海默病、痴呆、神经退行性疾病、认知障碍、轻度认知障碍。本研究为前瞻性观察性研究，纳入2000名60岁及以上、常住上海市松江区佘山镇天马地区（郊区）的全性别、全族裔人群。收集并分析人口学信息、神经精神量表、外周血血清Aβ40、Aβ42、p-tau 181、217、尿液蛋白质组分析、APOE基因型分析、脑MRI及语音信息。初筛后随机抽取20%临床确诊MCI和AD患者进行AV45-PET、FDG-PET、Tau-PET、GLP-1R PET及胆碱能受体探针（ASEM）PET检查。每年随访两次，共4次访视，每次随访收集神经精神量表和生物样本。
【主题与分类】
主题标签：Alzheimer Disease、Dementia、Neurodegenerative Diseases、Cognitive Impairment、Mild Cognitive Impairment。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/NCT05667935
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/NCT05667935
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
疾病条件：阿尔茨海默病、痴呆、神经退行性疾病、认知障碍、轻度认知障碍。本研究为一项前瞻性观察性研究，纳入2000名年龄在60岁及以上、性别不限、民族不限、永久居住于上海市松江区佘山镇天马地区（郊区）的队列人群。收集并分析人口学信息、神经精神量表、外周血血清Aβ40、Aβ42、p-tau 181、217、尿液蛋白质组学分析、APOE基因型分析、脑MRI及语音信息。初筛后随机选取20%经临床确诊的MCI和AD患者进行AV45-PET、FDG-PET、Tau-PET、GLP-1R PET及胆碱能受体探针（ASEM）PET检查。每年随访两次，共4次随访，每次随访均收集神经精神量表和生物样本，以构建轻度认知障碍或阿尔茨海默病患者的诊断模型，以及认知障碍进展的预测模型。
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。
