欧洲阿尔茨海默病痴呆预防纵向队列研究（EPAD LCS）

数据集获取

源站：https://clinicaltrials.gov/study/NCT02804789

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：阿尔茨海默病痴呆。EPAD项目旨在克服阻碍阿尔茨海默病痴呆二级预防药物开发的主要障碍，其方式是开展EPAD LCS（主要来源于欧洲各地现有的父队列（PC）），并与适应性设计的EPAD PoC试验相协调。EPAD LCS和EPAD PoC试验均将在一个由经过高度筛选的专家试验实施中心（TDC）组成的专属网络中运行，这些中心将依据严格应用的标准进行选择，以确保尽可能高的数据质量、成功招募以及遵循EPAD原则。虽然干预必须在阿尔茨海默病病程早期开始，但目前缺乏覆盖痴呆发病前整个阿尔茨海默病病程的准确疾病模型。要以合理置信度估计个体在特定时间段内发展为阿尔茨海默病痴呆的总体概率，必须同时考虑多个维度（例如认知、生物标志物、传统风险因素——遗传和环境因素）。这将使任何特定个体能够被置于从可忽略概率到高概率的概率谱系上的某一位置。

由于总体概率相近的个体在各维度上各组成部分的贡献可能差异很大，因此需要灵活的算法而非简单的截断值，以识别出适合疾病建模并提供足够数量潜在试验参与者（尤其是在测试不同作用机制药物的多臂适应性试验中）的概率谱人群。EPAD LCS旨在满足双重需求：开发覆盖整个疾病过程的准确AD纵向模型，以及建设充足的基础设施以促进研究参与者的识别和临床试验招募。EPAD LCS将从欧洲各地现有PC中主要选取概率谱人群，以促进快速招募。不同类型

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。