SCALE PET软件用于阿尔茨海默病脑PET定量分析评估
该数据集来自clinicaltrials.gov,为单中心、回顾性、读者盲法、交叉设计的读者研究,评估Neurophet SCALE PET软件辅助临床医生对脑PET扫描中淀粉样蛋白β(Aβ)阳性进行定量分析的效果

基本信息
资源简介
SCALE PET软件用于阿尔茨海默病脑PET定量分析评估
该数据集来自clinicaltrials.gov,为单中心、回顾性、读者盲法、交叉设计的读者研究,评估Neurophet SCALE PET软件辅助临床医生对脑PET扫描中淀粉样蛋白β(Aβ)阳性进行定量分析的效果。数据回顾性收集自Ajou University Hospital和ADNI数据库,共194例患者(97例Aβ阳性、97例Aβ阴性),覆盖阿尔茨海默病和轻度认知障碍。可用于比较软件辅助与无辅助读片的表现,支持Aβ阳性分类相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:阿尔茨海默病(AD)、轻度认知障碍(MCI)。1. 研究概述 本研究为单中心、回顾性、读者盲法、交叉设计的读者研究。主要目的是评估医学图像分析软件“Neurophet SCALE PET”在辅助临床医生对脑PET扫描中淀粉样蛋白β(Aβ)阳性进行定量分析方面的效果。研究将比较读者使用软件(SW辅助)与不使用软件(无辅助)时的表现。2. 数据收集与参考标准 研究者将回顾性收集共194例患者的医疗数据(97例Aβ阳性、97例Aβ阴性)。数据来源:去标识化数据将来自Ajou University Hospital和阿尔茨海默病神经影像学倡议(ADNI)数据库。3. 研究程序(读者研究) 读者研究
【主题与分类】
主题标签:Alzheimer's Disease (AD)、Mild Cognitive Impairment (MCI)。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/NCT07417540
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/NCT07417540
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(AD)、轻度认知障碍(MCI)。1. 研究概述 本研究是一项单中心、回顾性、评估者盲法、交叉设计的阅片者研究。主要目的是评估医学图像分析软件“Neurophet SCALE PET”在辅助临床医生对脑PET扫描中淀粉样蛋白β(Aβ)阳性进行定量分析方面的有效性。本研究将比较阅片者在使用该软件(软件辅助)与不使用该软件(无辅助)时的表现。2. 数据收集与参考标准 研究者将回顾性收集共194例患者的医学数据(97例Aβ阳性病例和97例Aβ阴性病例)。数据来源:去标识化数据将取自亚洲大学医院和阿尔茨海默病神经影像学倡议(ADNI)数据库。3. 研究流程(阅片者研究) 阅片者研究包括两次主要阅片环节,中间间隔4周洗脱期,以尽量减少记忆偏倚和顺序效应。四名阅片者将被随机分配到两组(阅片者第1组和阅片者第2组)。
- 阶段1:读者1组将在SW辅助下评估病例A组,并在无辅助下评估病例B组。读者2组将在SW辅助下评估病例B组,并在无辅助下评估病例A组。* 洗脱期:两次阶段之间将实施为期4周的间隔。* 阶段2:将按照交叉设计交换条件。与阶段1相比,读者将在相反条件下(辅助与无辅助)重新评估相同病例。在每个阶段中,读者将按5分制评估Aβ阳性(1:明确阴性,2:可能阴性,3:不确定,4:可能阳性,5:明确阳性),并按3分制记录其诊断信心水平(1:低信心,2:中等信心,3:高信心)。4. 统计分析将通过比较SW辅助与无辅助条件下的诊断性能来评估软件的有效性。* 主要结局
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。




