阿尔茨海默病风险分类EEG生物标志物研究的样本富集综合方法

数据集获取

源站：https://doi.org/10.82901/nemar.on007427.v1.0.0

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

该数据集提出了一套用于脑电图（EEG）生物标志物研究中样本富集的综合方法，旨在对阿尔茨海默病风险进行分类。该研究采用系统化方法优化参与者选择和EEG数据质量，以改进神经退行性疾病研究中的生物标志物识别和风险分层。该数据集包含按阿尔茨海默病风险状态分层的参与者的EEG记录及相关临床数据，展示了富集方法在增强生物标志物发现中的应用。样本量和详细的参与者人口统计学信息可在相关出版物中获取（Henao Isaza等，PLOS ONE，2024）。

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。