男性早期认知衰退预测因素识别数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT03290040

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

条件：健康受试者、轻度认知障碍、阿尔茨海默病。该研究项目探讨衰老如何影响健康受试者的脑功能，这些受试者来自一个丹麦出生队列，该队列由1953年出生于哥本哈根大都会区的男性组成。根据这些受试者在中年后期与青年期相比的认知测试表现，将其分为两组：预期表现积极组和预期表现消极组，并从由11，532名男性组成的出生队列中抽样。此外，还将从Herlev医院记忆门诊纳入被诊断为MCI或AD的人员。研究人员旨在识别生命早期影响或预测认知功能变化的因素，特别是认知衰退的因素，以便预测健康与不健康的认知衰老，包括向可能痴呆的进展。目标是能够预测衰老过程中的认知衰退。在数据收集年间，将纳入并检查约550名参与者。

检查项目包括：* 认知测试，包括剑桥神经心理测试自动化成套测验（CANTAB）；* 睡眠；* 生活事件；* 抑郁问卷；* 血液样本分析，包括线粒体功能分析和基因分析，如基因组扫描、SNP分析；* ApoE ε型；* 通过磁共振（fMRI）测量的脑结构和功能变化；* 脑电图（EEG）记录电活动和视觉注意力；* PET扫描（淀粉样蛋白和FDG）。这些研究的结果有望为干预措施指明新途径，以改变大脑衰老的进程。

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。