评估[18F]-APN-1607 PET显像与尸检脑组织Tau病理在HV和MCI或AD个体中的一致性
该数据集来自clinicaltrials.gov,聚焦阿尔茨海默病(AD)神经病理学评估。研究旨在评估[18F]-APN-1607注射PET显像在检测符合NIA-AA标准的AD神经病理改变摄取模式中的诊断性能,并评估其与尸检脑组织组织病理学所确定的AD相关tau神经原纤维病理之间的关联,检测与神经原
![Evaluate the Concordance Between PET Imaging of [18F]-APN-1607 Injection and Postmortem Brain Tissue Tau Pathology in Individuals With HV and MCI or AD.](/medical-api/medicalDataset/datasetCover/69819.jpg)
基本信息
资源简介
评估[18F]-APN-1607 PET显像与尸检脑组织Tau病理在HV和MCI或AD个体中的一致性
该数据集来自clinicaltrials.gov,聚焦阿尔茨海默病(AD)神经病理学评估。研究旨在评估[18F]-APN-1607注射PET显像在检测符合NIA-AA标准的AD神经病理改变摄取模式中的诊断性能,并评估其与尸检脑组织组织病理学所确定的AD相关tau神经原纤维病理之间的关联,检测与神经原纤维缠结(NFT)评分对应的摄取模式,同时评价[18F]-APN-1607注射的安全性。数据覆盖健康志愿者(HV)及轻度认知障碍(MCI)或AD个体,可用于AD的tau病理影像-病理对照研究及诊断标志物评估(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。1. 评估[18F]-APN-1607注射PET显像在检测符合美国国家老龄化研究所-阿尔茨海默病协会(NIA-AA)标准所定义的AD神经病理改变的摄取模式方面的诊断性能。2. 评估[18F]-APN-1607注射与阿尔茨海默病(AD)相关tau神经原纤维病理(由尸检脑组织组织病理学确定)之间的关联,并检测与神经原纤维缠结(NFT)评分对应的摄取模式。3. 评估[18F]-APN-1607注射的安全性。
【主题与分类】
主题标签:Alzheimer's Disease。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/NCT07752784
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/NCT07752784
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:阿尔茨海默病。1. 评估[18F]-APN-1607注射液PET成像在检测符合美国国家老龄研究所-阿尔茨海默病协会(NIA-AA)标准定义的AD神经病理改变的摄取模式方面的诊断性能。2. 评估[18F]-APN-1607注射液与阿尔茨海默病(AD)相关tau神经原纤维病理(由死后脑组织组织病理学确定)之间的关联,并检测与神经原纤维缠结(NFT)评分相对应的摄取模式。3. 评估[18F]-APN-1607注射液的安全性。
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。




