利用事件相关电位诊断阿尔茨海默病

数据集获取

源站：https://clinicaltrials.gov/study/NCT02957227

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

条件：轻度认知障碍。本研究的目的是利用脑电图设备测量事件相关电位，以提高临床环境中阿尔茨海默病诊断的准确性。本研究将招募因记忆问题首次就诊的患者。研究为前瞻性设计。受试者将首先由临床医生进行评估，然后临床医生将填写一份评分问卷，说明其对各种可能痴呆诊断的确定程度。随后，在研究的测试阶段，受试者将返回完成一项脑电图测试，测量听觉oddball范式任务期间的事件相关电位。脑电图将由对受试者临床诊断不知情的技术人员完成。脑电图完成后，数据将由研究临床医生以盲法进行评估。临床医生将记录脑电图结果是否与阿尔茨海默病一致。最后，将分析临床医生最初的临床评分与特定受试者脑电图结果及解读的比较。

这将有助于确定临床诊断与EEG数据及其解读是一致还是不一致。在这一时间点，将完成第二份临床医生评定量表，以评估在现已揭示的EEG数据以及临床数据的基础上，当前的信心水平和诊断确定性。还将对部分参与者的MRI结构数据进行定量分析，以考察区域萎缩模式，以及Amyloid PET数据，这些将作为诊断金标准。本研究的另一个目的是调查那些在无疾病情况下假装并报告记忆损害的老年人的记忆测试损害模式。这一目的将涉及使用EEG测试健康老年人，并测试患有AD的记忆损害老年人，并比较结果，以及共

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。