显性遗传阿尔茨海默病网络试验:预防痴呆的机会——针对遗传突变所致早发型阿尔茨海默病高危或患者的潜在疾病修饰治疗研究 主方案DIAN-TU-001
该数据集来自 clinicaltrials.gov,为显性遗传性阿尔茨海默病网络试验(DIAN-TU-001)的主方案,属于神经系统疾病/阿尔茨海默病范畴

基本信息
资源简介
显性遗传阿尔茨海默病网络试验:预防痴呆的机会——针对遗传突变所致早发型阿尔茨海默病高危或患者的潜在疾病修饰治疗研究 主方案DIAN-TU-001
该数据集来自 clinicaltrials.gov,为显性遗传性阿尔茨海默病网络试验(DIAN-TU-001)的主方案,属于神经系统疾病/阿尔茨海默病范畴。研究对象为携带与显性遗传性阿尔茨海默病相关基因突变、因而存在患病风险或已患早发型阿尔茨海默病的个体,参与者来自 DIAN 观察性研究、DIAN-TU 站点、合作站点、DIAN 扩展登记库及站点识别的家族。方案包含纵向评估,涵盖临床评估、认知测试、MRI、淀粉样蛋白与 tau PET 成像,以及血液和脑脊液分析。该数据可用于研究潜在疾病修饰治疗、识别早期生物标志物变化并预测疾病进展(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:阿尔茨海默病、痴呆、家族性阿尔茨海默病。本研究将从显性遗传性阿尔茨海默病网络(DIAN)观察性研究中招募参与者,该观察性研究是一项由美国国立卫生研究院(资助编号 U01-AG032438;RJ Bateman)支持的多中心国际研究,招募来源包括显性遗传性阿尔茨海默病网络试验单位(DIAN-TU)站点、DIAN-TU 合作站点、DIAN 扩展登记库(DIAN-EXR)以及各站点识别的家族。作为 DIAN-TU-001 方案的一部分,参与者接受纵向评估,包括临床评估、认知测试、磁共振成像(MRI)以及淀粉样蛋白和 tau 正电子发射断层扫描(PET)成像,还有血液和脑脊液(CSF)分析。DIAN 的参与者从至少有一名成员被确认携带与显性遗传相关的突变的家族中招募
【主题与分类】
主题标签:Alzheimers Disease、Dementia、Alzheimers Disease, Familial。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/NCT01760005
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/NCT01760005
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
条件:阿尔茨海默病、痴呆、家族性阿尔茨海默病。本研究将从显性遗传阿尔茨海默病网络(DIAN)观察性研究中招募参与者,该研究是一项由美国国立卫生研究院资助的多中心国际研究(资助编号U01-AG032438;RJ Bateman),以及显性遗传阿尔茨海默病网络试验单元(DIAN-TU)站点、DIAN-TU合作站点、DIAN扩展注册库(DIAN-EXR)和各站点确定的家族。作为DIAN-TU-001方案的一部分,参与者接受纵向评估,包括临床评估、认知测试、磁共振成像(MRI)以及淀粉样蛋白和tau正电子发射断层扫描(PET)成像,还有血液和脑脊液(CSF)分析。DIAN的参与者来自至少有一名成员被确定携带与显性遗传阿尔茨海默病(DIAD)相关突变的家族。与显性遗传阿尔茨海默病相关的早老素1(PSEN1)、早老素2(PSEN2)和淀粉样前体蛋白(APP)突变具有非常高的外显率(接近100%)。
本研究招募已知携带致病突变或存在此类突变风险(已知突变先证者的后代或兄弟姐妹)且不了解自身遗传状态的个体。由于每个家庭及每种突变的认知变化发病年龄相对一致,作为DIAN观察性研究(DIAN-OBS)方案的一部分,会为每位患病父母或每种突变确定一个发病年龄。本研究将招募无症状且处于其家庭和/或突变预期发病年龄特定时间窗口内的参与者,或具有轻度阿尔茨海默病症状的参与者。能够识别注定会发展为阿尔茨海默病(AD)的个体并高度自信地预测发病年龄,这为评估无症状及极早期阶段疗法的疗效提供了独特机会。
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。




