阿尔茨海默病患者及其家庭队列

数据集获取

源站：https://clinicaltrials.gov/study/NCT05516667

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。阿尔茨海默病（AD）是一种进行性神经退行性疾病，也是痴呆症的主要病因。它给患者、家庭和整个社会带来了巨大负担。目前尚无治愈性治疗方法，但存在一个较长的临床前期，在此期间可观察到生物标志物的变化，加之已识别出可改变的风险因素，这些均提示AD或许是可以预防的。然而，目前尚缺乏关于血液生物标志物（相较于传统的影像学和脑脊液生物标志物，其测量更易被接受且成本更低）变化轨迹及预测价值的数据。此外，尽管针对可改变的AD风险因素已有大量研究，但这些因素往往未在同一队列中同时进行研究，且对 newly identified 风险因素（如听力障碍）的研究相对较少。AD患者的一级亲属似乎是研究此类因素的理想人群，因为他们患痴呆症和认知功能下降的风险较高，且可能比其他个体更有动力参与痴呆症研究。

最后，尽管此前已有关于照护者负担和生活质量的研究，但仍需进一步获取其纵向变化轨迹的数据，尤其应考虑其所照护患者的疾病进程。照护者的需求、应对方式及照护策略也需得到更好的理解。在ALFA3研究的试点阶段，将在记忆专家中心和通过在线问卷招募150个家族集群（每个集群由一名阿尔茨海默病患者、一名家庭照护者及该患者的至少一名一级亲属组成），并随访2年。该试点阶段将用于研究开展更大规模研究的可行性。

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。