比较智能手机技术与记忆策略对阿尔茨海默病前瞻记忆的改善
该数据集来自 clinicaltrials.gov,主题为比较智能手机技术与记忆策略对阿尔茨海默病前瞻记忆的改善。源站描述显示,研究关注轻度阿尔茨海默病及轻度认知障碍患者的前瞻记忆,即对未来意图、目标和日常事务的记忆,其受损可能降低独立生活能力(如用药依从性)

基本信息
资源简介
比较智能手机技术与记忆策略对阿尔茨海默病前瞻记忆的改善
该数据集来自 clinicaltrials.gov,主题为比较智能手机技术与记忆策略对阿尔茨海默病前瞻记忆的改善。源站描述显示,研究关注轻度阿尔茨海默病及轻度认知障碍患者的前瞻记忆,即对未来意图、目标和日常事务的记忆,其受损可能降低独立生活能力(如用药依从性)。研究将训练参与者使用智能手机四周,以辅助日常前瞻记忆任务,并涉及智能手机可接受性。数据可用于探索技术干预对前瞻记忆及日常功能的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Alzheimer Disease, Cognitive Impairment, Mild, Dementia, Mild。阿尔茨海默病对患者及其照护者而言是一种使人衰弱的疾病,其特征性认知症状(如记忆丧失)以及对生活质量的影响。研究人员和临床医生逐渐认识到,一种特定类型的记忆,称为前瞻记忆,可能在轻度阿尔茨海默病中尤其受到影响。前瞻记忆是对未来意图、目标和日常事务的记忆,支持前瞻记忆的神经认知过程丧失可能降低独立功能(如用药依从性)。当前研究调查一种基于技术的干预措施,以帮助参与者完成日常前瞻记忆任务。患有轻度认知障碍和轻度阿尔茨海默病的参与者将接受为期四周的智能手机使用培训。智能手机可接受性
【主题与分类】
主题标签:Alzheimer Disease、Cognitive Impairment, Mild、Dementia, Mild。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/NCT03384043
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/NCT03384043
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:阿尔茨海默病、轻度认知障碍、轻度痴呆。阿尔茨海默病是一种使患者及其照护者身心俱疲的疾病,以典型的认知症状(如记忆丧失)以及对生活质量的影响为特征。研究人员和临床医生逐渐认识到,一种特定类型的记忆——前瞻性记忆——在轻度阿尔茨海默病中可能尤其受损。前瞻性记忆是对未来意图、目标和日常事务的记忆,支持前瞻性记忆的神经认知过程受损可能会降低独立生活能力(如服药依从性)。本研究探讨一种基于技术的干预措施,以帮助参与者完成日常前瞻性记忆任务。轻度认知障碍和轻度阿尔茨海默病的参与者将接受为期四周的智能手机使用培训。研究将测量智能手机的可接受性、可用性和整体用户体验。此外,还将测试参与者完成日常前瞻性记忆任务的情况。
在一组中,参与者将接受培训,学习使用智能手机个人助理提醒系统,该系统会在适当的时间或地点提醒参与者他们的目标、任务和家务。在对照组中,参与者同样会携带智能手机,但将接受培训,学习一种记忆策略,即通过口头表达外部提示来提醒自己执行目标、任务和家务。本研究的目标在于探究智能手机技术或记忆策略是否能用于减轻轻度阿尔茨海默病参与者的记忆负担,并改善其日常独立生活功能。
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。




