利用3Tesla磁共振提升早期阿尔茨海默病抗体治疗效果

数据集获取

源站：https://clinicaltrials.gov/study/NCT07456462

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：阿尔茨海默痴呆（AD）、轻度认知障碍（MCI）。阿尔茨海默病会导致进行性记忆和认知功能衰退，其部分原因是大脑中一种名为β-淀粉样蛋白的蛋白质积聚。新型抗体疗法——lecanemab和donanemab——可以清除淀粉样蛋白并减缓疾病早期阶段的进展。然而，目前尚不清楚每位患者应继续治疗多长时间或何时可以安全停药，因为不同个体清除淀粉样蛋白的速度不同。目前，淀粉样蛋白正电子发射断层扫描（PET）用于测量大脑中的淀粉样蛋白是否已被清除，但这些扫描费用高昂、并非总能获得，且会使患者暴露于辐射。由于重复进行PET扫描并不理想，医生需要更好的方法来监测治疗进展。本研究将使用先进的脑磁共振成像（MRI）和血液检测来构建个性化预测模型。这些模型将模拟淀粉样蛋白在每个人大脑中的扩散或清除过程，并帮助确定何时仍需要治疗。

通过这种方法，监测变得更安全、更高效、更经济实惠——有助于确保每位患者获得正确的治疗并维持适当的治疗时长。这项前瞻性单中心研究探讨了基于3特斯拉MRI的预测模型在预测50名早期阿尔茨海默病（AD）患者对抗淀粉样蛋白单克隆抗体（按临床实践给予lecanemab或donanemab）治疗反应中的作用，研究地点为意大利米兰的IRCCS Ospedale San Raffaele。先进MRI技术将在基线、6个月、12个月和18个月时采集，包括用于皮层厚度和体积萎缩评估的高分辨率结构成像、用于结构连接性评估的扩散成像，以及用于功能网络分析的任务态功能MRI。这些多模态MRI指标将被整合到计算方法中，如聚合网络扩散（AND）模型，以模拟个体疾病轨迹并预测达到ne的概率

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。