FBB PET 淀粉样蛋白成像对 AD 患者诊断变化的影响
该数据集来自 clinicaltrials.gov,聚焦阿尔茨海默病(AD)患者,主题为 FBB PET 淀粉样蛋白成像对诊断变化的影响

基本信息
资源简介
FBB PET 淀粉样蛋白成像对 AD 患者诊断变化的影响
该数据集来自 clinicaltrials.gov,聚焦阿尔茨海默病(AD)患者,主题为 FBB PET 淀粉样蛋白成像对诊断变化的影响。研究在法国三级记忆门诊(CMRR)的门诊环境中开展,纳入基于既往完整诊断评估(不超过 12 个月)形成初步诊断的患者,评估内容包括脑影像(MRI 或 CT)、神经心理学评估(含 MMSE)、脑脊液检查等,并针对腰椎穿刺不可行、脑脊液结果不明确或患者拒绝腰椎穿刺的情形。数据可用于探讨淀粉样蛋白 PET 成像在 AD 诊断调整中的作用(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(AD)。研究将在法国三级记忆门诊(CMRR)的门诊环境中开展,对象为基于既往完整诊断评估(不超过 12 个月前完成)形成初步诊断的患者——该评估可包括但不限于必要时进行的脑影像(磁共振成像(MRI)或计算机断层扫描(CT))、包括简易精神状态检查(MMSE)在内的神经心理学评估、脑脊液检查以及根据法国国家卫生管理局(Haute Autorité de santé,HAS)建议进行的其他检查——并且患者符合以下情况:1. 因医学状况无法进行腰椎穿刺;2. 脑脊液(CSF)分析结果被治疗医生认为不明确;3. 患者拒绝腰椎穿刺(LP)。对于所有受试者,研究将包括 3 次门诊
【主题与分类】
主题标签:Alzheimer's Disease (AD)。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/NCT02681172
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/NCT02681172
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)。研究将在法国三级记忆门诊(CMRR)的门诊环境中进行,受试者为基于先前完整诊断评估(完成时间不超过12个月)作出初步诊断的患者——该评估可包括但不限于必要时的脑影像学检查(磁共振成像(MRI)或计算机断层扫描(CT))、包括简易精神状态检查(MMSE)在内的神经心理学评估、脑脊液(CSF)检查以及根据法国国家卫生管理局(Haute Autorité de santé,HAS)建议进行的其他检查——且符合以下情况之一:1. 因医学状况无法进行腰椎穿刺;2. 脑脊液(CSF)分析结果被主治医师认为存在歧义;3. 患者拒绝腰椎穿刺(LP)。所有受试者的研究将包括3次门诊访视,以记录既往检查信息并执行FBB正电子发射断层扫描(PET)(访视1:筛选/基线,访视2:PET扫描,访视3:向受试者告知FBB PET扫描结果)。
在第1次访视时,将收集基于先前检查的初步诊断,并由医生采用五点李克特置信度量表进行评分。在第2次访视时,将进行FBB PET扫描。在检查期间以及PET操作后7天内报告不良事件。在第3次访视时,将根据淀粉样蛋白PET扫描结果收集诊断变更情况,以及医生的置信度。
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。

![[18F]ACI-19626 PET 在 TDP-43 蛋白病中的应用](/medical-api/medicalDataset/datasetCover/69930.jpg)


