电刺激对典型与非典型阿尔茨海默病词语学习的影响
该数据集来自 clinicaltrials.gov,聚焦电刺激对典型与非典型阿尔茨海默病患者词语学习的影响。研究采用双盲、假刺激对照、受试者内交叉设计,评估在 tDCS 与假刺激条件下词语表学习的认知与神经效应

基本信息
资源简介
电刺激对典型与非典型阿尔茨海默病词语学习的影响
该数据集来自 clinicaltrials.gov,聚焦电刺激对典型与非典型阿尔茨海默病患者词语学习的影响。研究采用双盲、假刺激对照、受试者内交叉设计,评估在 tDCS 与假刺激条件下词语表学习的认知与神经效应。参与者接受词语表学习干预(WordLLI)联合高定义 tDCS(HD-tDCS)或假刺激,每个学习阶段持续 2 周、每周 5 次,共 10 次,两阶段间设 3 个月无刺激洗脱期。数据可用于分析 tDCS 对神经退行性疾病词语学习效果的调节作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:早发性阿尔茨海默病、非典型阿尔茨海默病、Logopenic 进行性失语。该研究采用双盲、假刺激对照、受试者内交叉设计,可评估由 tDCS 与假刺激调节的词语表学习的认知与神经效应。所有组的参与者将在第 1 阶段或第 2 阶段接受词语表学习干预(WordLLI)+ 高定义 tDCS(HD-tDCS)或 WordLLI + 假刺激,第 1 阶段刺激条件随机分配。每个学习阶段持续 2 周,每周 5 次学习会话(每阶段共 10 次学习会话),两个阶段之间设 3 个月(无刺激)洗脱期。刺激强度、学习会话总数和学习项目数与大多数其他针对神经退行性疾病的 tDCS 研究一致,且 i
【主题与分类】
主题标签:Alzheimer Disease, Early Onset、Atypical Alzheimer's Disease、Logopenic Progressive Aphasia。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/NCT04122001
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/NCT04122001
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:早发性阿尔茨海默病、非典型阿尔茨海默病、少词型进行性失语。本研究采用双盲、假刺激对照、受试者内交叉设计,以评估在tDCS调控下词语表学习相较于假刺激对认知和神经效应的影响。所有组别的参与者将在第1阶段或第2阶段接受词语表学习干预(WordLLI)+ 高精度tDCS(HD-tDCS)或WordLLI+假刺激,第1阶段的刺激条件随机分配。每个学习阶段持续2周,每周5次学习会话(每阶段共10次学习会话),两个阶段之间设有3个月的无刺激洗脱期。刺激强度、学习会话总数及学习项目数量与大多数其他针对神经退行性疾病的tDCS研究一致,且研究者在过去7年中已成功将这一设计应用于神经退行性疾病(原发性进行性失语、轻度AD)。刺激在每个工作日实施,以利用早期多会话研究中发现的tDCS诱导的长时程增强效应。
本设计中未设置仅使用tDCS(无任何干预)的条件,因为迄今为止,尚无研究表明仅进行阳极tDCS治疗2周甚至更长时间后,能在运动、认知或语言表现上有所改善。每个阶段结束后,研究人员将进行为期1个月和3个月的随访评估。对于远距离参与的受试者,在1个月的时间点,研究人员仅可使用GoToMeeting等视频会议工具来实施评估。此举旨在减轻因短暂预约而产生的差旅费用。
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。




