神经丝轻链与语音声学分析在痴呆诊断中的应用

数据集获取

源站：https://clinicaltrials.gov/study/NCT06339190

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：神经退行性疾病，痴呆。问题：目前尚无“金标准检测”能够发现所有类型的痴呆。患者可能表现出细微变化，而标准认知筛查测试会漏诊这些变化，因为这些测试并非为母语非英语或来自多元文化和教育背景的人群设计。最先进的脑成像技术仅面向居住在大城市中心的澳大利亚人，这进一步加剧了医疗保健的不平等。缺乏经过验证的诊断检测和路径会导致诊断延迟，增加患者和照护者的压力。针对多种形式的痴呆——不仅是阿尔茨海默病——的治疗方法即将出现，这意味着缺乏简单的痴呆诊断生物标志物是一个关键的知识空白。使命：新技术如今使我们能够通过常规外周血检测来检测异常脑蛋白水平，记录语音样本以分析其声学特征并揭示脑部疾病，以及使用简单唾液样本进行“邮寄式”基因检测。

脑源性血液蛋白神经丝轻链（NfL）的水平将被评估，自然语言处理和声学分析将在所有因认知问题就诊于一个服务于100万种族和文化多元化澳大利亚人的单一医疗网络的患者中进行测量。研究人员将探究对疾病遗传原因高风险者进行早期基因检测的效用。他们将利用这些数据制定诊断路径，并借助现有合作开发未来的筛查项目。早期至中期职业研究人员将获得支持，以在最短可行时间内将新技术转化为临床实践。意义：可及且具成本效益的检测将为痴呆症诊断开辟新路径。这将改变痴呆症格局，缩短诊断时间，提高诊断确定性，并使更多澳大利亚人获得适当的护理和教育。

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。