通过虚拟现实重复练习改善日常任务表现

数据集获取

源站：https://clinicaltrials.gov/study/NCT04315337

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：阿尔茨海默病、轻度痴呆、轻度认知障碍、痴呆、血管性痴呆、阿尔茨海默型痴呆、轻度痴呆、混合型痴呆。功能性失能，即在备餐等日常任务中丧失独立性，是临床痴呆/阿尔茨海默病（AD）的核心诊断标准之一，也是该疾病高昂费用和照护者负担的重要成因。目前AD尚无治愈方法，现有干预措施在减少功能性失能方面成效有限。认知训练可使受试者在反复练习的特定任务上获得可靠改善，但向未经训练的功能性任务的迁移效果有限。由于AD中迁移效果有限且学习具有刻板（程序性）特征，针对痴呆的新型语言类干预措施转而聚焦于使用限定且高度个性化的词汇进行重复练习，以维持功能性交流。

日常任务的重复练习（利用完整的程序性记忆也已被证明可以改善阿尔茨海默病患者的训练任务表现，但这并非可行的干预措施，因为设置任务、监控表现以及提供反馈/监督所需的努力远大于让照护者直接为患者完成任务。然而，如果特定日常任务的重复练习能够以更具成本效益、更高效的方式实施，那么这种直接的干预策略就能减少功能性残疾及相关的照护成本和照护者负担。本R21项目将研究一种低成本、便携式计算机训练程序的有效性，该程序使用非沉浸式虚拟现实（VR）使阿尔茨海默病参与者能够独立练习有意义的日常活动（例如，准备餐食）。本R21研究的目标是评估在虚拟情境中的训练能在多大程度上泛化到现实生活任务中。

如果训练效果能够从虚拟环境推广到真实环境，那么未来将开展一项随机、对照试验，研究针对维持和改善阿尔茨海默病老年人功能能力的定制任务训练。

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。