高精度经颅直流电刺激治疗早期阿尔茨海默病
本数据集来自 clinicaltrials.gov,主题为高精度经颅直流电刺激(HD-tDCS)用于早期阿尔茨海默病。研究纳入符合标准并签署知情同意书的参与者,在干预前完成认知、神经心理及神经影像学评估,随后被随机分配至三个平行干预组之一:活性阳极 HD-tDCS 联合计算机化认知训练、活性阳极 H

基本信息
资源简介
高精度经颅直流电刺激治疗早期阿尔茨海默病
本数据集来自 clinicaltrials.gov,主题为高精度经颅直流电刺激(HD-tDCS)用于早期阿尔茨海默病。研究纳入符合标准并签署知情同意书的参与者,在干预前完成认知、神经心理及神经影像学评估,随后被随机分配至三个平行干预组之一:活性阳极 HD-tDCS 联合计算机化认知训练、活性阳极 HD-tDCS 联合对照认知训练、或假 HD-tDCS 联合计算机化认知训练,每组约 20 人,采用设盲随机设计。数据可用于评估 HD-tDCS 联合认知训练对早期阿尔茨海默病的干预效果及相关神经影像变化(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:经颅直流电刺激、功能磁共振成像、早期阿尔茨海默病。在符合纳入标准并提供知情同意后,每位参与者在接受分配的干预之前,在医院门诊或住院部完成了一系列认知、神经心理和神经影像学评估。参与者被随机分配到三个平行干预组之一:活性阳极高精度经颅直流电刺激(HD-tDCS)联合计算机化认知训练、活性阳极 HD-tDCS 联合对照认知训练,或假 HD-tDCS 联合计算机化认知训练。每组约分配 20 名参与者。参与者采用设盲随机设计进行研究。研究参与者和负责临床的人员
【主题与分类】
主题标签:Transcranial Direct Current Stimulation、Functional Magnetic Resonance Imaging、Early 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/NCT04599764
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/NCT04599764
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:经颅直流电刺激、功能磁共振成像、早期阿尔茨海默病。在符合纳入标准并提供知情同意后,每位参与者在接受分配的干预之前,均在医院门诊或住院部完成了一系列认知、神经心理和神经影像学评估。参与者被随机分配到三个平行干预组之一:活性阳极高精度经颅直流电刺激(HD-tDCS)联合计算机化认知训练、活性阳极HD-tDCS联合对照认知训练,或假HD-tDCS联合计算机化认知训练。每组约分配20名参与者。参与者采用设盲随机设计进行研究。研究参与者以及负责临床和神经心理结局评估的人员对分配的刺激条件和分配参数保持设盲。只有经过培训的tDCS操作人员能够获取随机化列表;他们与参与者的接触极少,且不参与认知或临床评估。
每位参与者接受分配的干预,为期2周,共10次。活性HD-tDCS采用阳极刺激方案。在联合干预组中,活性HD-tDCS与计算机化认知训练相结合。在活性HD-tDCS对照组中,活性刺激与对照认知训练相结合。对照认知训练包括结构化的计算机化认知活动,其在训练时长、计算机暴露、任务指导和参与者接触方面相匹配,但采用固定或最低限度适应的任务难度,且不包含基于个体表现的进展。在假刺激组中,计算机化认知训练与假HD-tDCS相结合。干预前,经过培训的研究人员进行了基线认知和神经心理学评估。评估组合包括阿尔茨海默病评估量表-认知S
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。




