研究性痴呆治疗方法研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT05203523

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：痴呆，轻度。本研究将在安慰剂对照双盲试验中，以严格的统计学方法探讨将经颅交流电刺激（tACS）与认知训练相结合应用于老年人的效果。此外，研究者将研究和探索新的技术方法，不仅用于监测干预可能引起的变化，还用于在基线时预测参与者对干预的反应。由于大多数针对痴呆的技术干预方案要求高且成本昂贵，因此在基线时能够可靠预测参与者对治疗的反应将具有重大意义；这将有助于制定个性化的最优治疗策略。研究者将使用前庭电描记术（EVestG）、基于虚拟现实导航（VRN）的自我中心空间评估以及功能性近红外光谱（fNIRS）测量与分析，来开发监测和预测技术。EVestG是一种非侵入性测量前庭听觉系统的方法，可在背景状态（无运动）下以及在对被动全身倾斜刺激的反应中进行测量。

研究人员假设前庭系统缺陷与阿尔茨海默病之间存在直接联系。VRN测量人们在陌生环境中如何定位自己；研究人员假设，即使在阿尔茨海默病发病初期，这种能力也会显著退化。fNIRS测量流向大脑的氧合和脱氧血流，可能有助于理解干预导致的神经元变化。

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。