主观记忆抱怨者阿尔茨海默病预测因素研究——扩展研究
该数据集来自 clinicaltrials.gov，属于神经系统疾病/阿尔茨海默病领域。研究为区域性、单中心、前瞻性、观察性学术队列，随访曾参与 INSIGHT 研究并同意在 INSIGHT-2 中延长随访 5-6 年的受试者
基本信息
资源简介
主观记忆抱怨者阿尔茨海默病预测因素研究——扩展研究
该数据集来自 clinicaltrials.gov，属于神经系统疾病/阿尔茨海默病领域。研究为区域性、单中心、前瞻性、观察性学术队列，随访曾参与 INSIGHT 研究并同意在 INSIGHT-2 中延长随访 5-6 年的受试者。每年进行认知、眼动、生物学和神经影像多模态评估，以描述临床前阿尔茨海默病的自然史。主要终点是经 florbetapir PET 淀粉样蛋白阳性（A+）识别的风险受试者转化为症状阶段。队列规模估计约 240 名参与者（61 名 A+），来自主队列 318 名参与者（88 名 A+）。可用于研究临床前阿尔茨海默病的转化预测（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、记忆抱怨、记忆障碍。一个区域性、单中心、前瞻性、观察性学术队列将随访先前参与 INSIGHT 研究并同意在 INSIGHT-2 研究中将其随访延长额外 5-6 年的受试者。将提议进行年度多模态评估（认知、眼动、生物学和神经影像），以描述临床前阿尔茨海默病（AD）的自然史。主要终点是经 florbetapir 正电子发射断层扫描（PET）成像显示淀粉样蛋白染色阳性（A+）所识别的风险受试者转化为症状阶段。队列规模估计约 240 名参与者（61 名 A+ 受试者），来自主队列纳入的 318 名参与者（88 名 A+ 受试者）。与 t 相比，INSIGHT-2 队列中的随访将减轻
【主题与分类】
主题标签：Alzheimer Disease、Memory Complaint、Memory Disorders。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/NCT05806697
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/NCT05806697
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、记忆抱怨、记忆障碍。一项区域性、单中心、前瞻性、观察性学术队列研究将随访先前参与INSIGHT研究并同意在INSIGHT-2研究中将其随访延长5-6年的受试者。将提议进行年度多模式评估（认知、眼动、生物学和神经影像），以描述临床前阿尔茨海默病（AD）的自然史。主要终点是通过氟比他班正电子发射断层扫描（PET）成像显示淀粉样蛋白染色阳性（A+）所识别的风险受试者向症状阶段的转化。队列规模估计约240名参与者（61名A+受试者），来自主队列纳入的318名参与者（88名A+受试者）。与主队列相比，INSIGHT-2队列的随访将减轻，访视频率为每年一次而非每六个月一次。
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。
