年龄分层PUMCH痴呆队列生物标志物探索

数据集获取

源站：https://clinicaltrials.gov/study/NCT04924361

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

疾病：痴呆、血管性痴呆、额叶痴呆、混合性痴呆、阿尔茨海默病痴呆、路易体痴呆。基线数据收集与队列建立：收集详细的临床信息，包括人口学数据、临床病史、既往史和体格检查。所有患者均采用格式化神经心理测验组合，包括筛查测试（MMSE、MoCA-PUMCH、ADL、HAD）和特定领域评估（记忆、执行功能、视觉空间、计算、语言）。储存包括血清、脑脊液、尿液、皮肤、唾液在内的样本。每6个月对每位患者进行随访。若患者死亡，将收集尸检脑组织。多模态神经影像评估：结构和功能性脑3T-MRI；7T-MRI；PET-CT，包括FDG、Aβ（18F-AV45）、tau（18F-THK5317、18F-T807）；EEG。多组学生物标志物研究：脑脊液AD生物标志物（Aβ40、42、ptau181、ttau、NfL、Neurogranin），不同方法的比较，包括ELISA、电化学、质谱分析。中国脑脊液生物标志物分析的标准化。探索新的体液生物标志物：脑脊液和尿液蛋白质组学；脑脊液和血清糖组学和代谢组学。

探索用于区分不同痴呆病因、发病年龄及痴呆预后的新生物标志物。遗传生物标志物评估：包括致病基因突变组合检测和全外显子组测序。数据分析与生物标志物评估：根据发病年龄、痴呆病因、认知严重程度、治疗效果、预后对痴呆患者进行分层。识别不同组别中的多组学生物标志物。比较生物标志物与临床表现及神经影像学之间的关系。基于尸检的准确诊断有助于进一步界定生物标志物。获取具有高灵敏度和高特异性的分层生物标志物。

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。