阿尔茨海默病Gamma诱导研究
该数据集来自clinicaltrials.gov,为一项针对早期至中度阿尔茨海默病(AD)的干预性、假对照、双盲研究。计划入组约55名淀粉样蛋白阳性的轻度认知障碍(MCI)或AD个体

基本信息
资源简介
阿尔茨海默病Gamma诱导研究
该数据集来自clinicaltrials.gov,为一项针对早期至中度阿尔茨海默病(AD)的干预性、假对照、双盲研究。计划入组约55名淀粉样蛋白阳性的轻度认知障碍(MCI)或AD个体。受试者需经过1-2次筛选访视(体格与神经检查、病史与用药回顾、安全问卷、认知测试)及5-7次基线访视,涵盖神经心理测试、淀粉样蛋白PET与tau PET成像、tACS-EEG评估及TMS-EEG可塑性评估。数据可用于AD与MCI的神经影像、电生理及认知评估相关研究(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、轻度认知障碍。这是一项在早期至中度阿尔茨海默病(AD)患者中进行的干预性、假对照、双盲研究。该研究将入组约55名淀粉样蛋白阳性的轻度认知障碍(MCI)或AD个体。每位受试者将接受1-2次访视的筛选期,包括体格和神经检查、病史和用药回顾、安全问卷以及认知测试。随后每位受试者将接受5-7次基线访视,包括神经心理测试(记忆和思维测试)、淀粉样蛋白正电子发射断层扫描(PET)成像(如果没有可用图像或图像超过6个月)、tau PET成像、tACS-EEG(经颅交流电刺激和脑电图)评估、TMS-EEG(经颅磁刺激和脑电图)可塑性
【主题与分类】
主题标签:Alzheimer Disease、Mild Cognitive Impairment。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/NCT03880240
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/NCT03880240
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、轻度认知障碍。这是一项在早期至中度阿尔茨海默病(AD)患者中开展的干预性、假对照、双盲研究。该研究将招募约55名淀粉样蛋白阳性的轻度认知障碍(MCI)或AD患者。每位受试者将接受为期1-2次访视的筛选期,包括体格和神经系统检查、病史和用药审查、安全性问卷以及认知测试。随后,每位受试者将接受5-7次基线访视,包括神经心理测试(记忆和思维测试)、淀粉样蛋白正电子发射断层扫描(PET)成像(如无可用图像或距上次检查已超过6个月)、tau PET成像、tACS-EEG(经颅交流电刺激与脑电图)评估、TMS-EEG(经颅磁刺激与脑电图)可塑性评估、功能性磁共振成像(fMRI)、血液和唾液样本采集,以及可选的腰椎穿刺(LP)。参与者将被随机分配到四组之一:刺激2周或4周,每日一次或每日两次。其中一组为假刺激组。
这意味着该组不会接受真正的tACS。每次治疗为1小时的个体化伽马频率(40 Hz)tACS或假tACS,具体取决于分组。受试者将在每次治疗前后接受副作用评估,并每天或每周完成一次简短的记忆和思维测试。在每日治疗结束后,将进行5-7次随访,包括重复基线测量,包括淀粉样蛋白和tau PET扫描。长期随访将包括脑电图、认知测试和淀粉样蛋白PET扫描。PET影像学研究将在马萨诸塞州综合医院进行,最多将进行5次PET扫描。
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。




