阿尔茨海默病生物标志物范围综述数据提取数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.22696229

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。

数据集大小约 138.9 KB。

数据说明

该数据集包含从阿尔茨海默病生物标志物范围综述所纳入的63项研究中提取的结构化数据。它包括文献信息和研究特征、生物基质、分析方法、所研究的生物标志物、研究目的、临床或诊断结局，以及用于描述性综合的编码变量。其他工作表提供生物标志物/样本基质、结局分类、参考文献详情以及支持性筛选信息。一个README工作表描述了数据集结构和编码规则。该数据集旨在支持综述发现的透明度、可重复性和验证。该数据集是通过使用预定义的数据提取框架，从范围综述所纳入的研究中提取数据而生成的。对于每项纳入研究，记录了文献信息、研究特征、生物基质、分析方法、所研究的生物标志物、研究目的以及相关的临床或诊断结局。随后对分类变量进行编码，并组织到主题工作表中以进行描述性综合。

本综述方案，包括纳入标准、检索策略、筛选流程及数据提取程序，已在开放科学框架(OSF)上公开：https://osf.io/mnk8h。希望复现数据集的研究人员应遵循注册的方案，并采用README工作表中描述的相同提取和编码程序。

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。