阿尔茨海默病或轻度认知障碍志愿者的PDE4 PET成像
该数据集来自clinicaltrials.gov,聚焦阿尔茨海默病(AD)与轻度认知障碍(MCI)的神经炎症生物标志物研究

基本信息
资源简介
阿尔茨海默病或轻度认知障碍志愿者的PDE4 PET成像
该数据集来自clinicaltrials.gov,聚焦阿尔茨海默病(AD)与轻度认知障碍(MCI)的神经炎症生物标志物研究。研究假设PDE4B密度在AD或MCI个体中较年龄匹配的健康志愿者升高。参与者将接受两次正电子发射断层扫描(PET,分别针对PDE4B和β-淀粉样蛋白)以及一次脑部磁共振成像(MRI)。主要目标是比较AD或MCI(均为Aβ阳性)与年龄性别匹配健康志愿者(Aβ阴性)在内侧颞叶的PDE4B放射性配体结合差异,并探索其与人口学、临床或生物标志物的相关性。可用于神经影像与生物标志物关联分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:阿尔茨海默病、轻度认知障碍、健康。研究描述:作为神经炎症的生物标志物,假设PDE4B的密度在阿尔茨海默病或轻度认知障碍个体中相较于年龄匹配的健康志愿者(HVs)会升高。参与者将接受两次正电子发射断层扫描(PET)(针对PDE4B和β-淀粉样蛋白(Aβ))以及一次脑部磁共振成像(MRI)扫描。目标:主要目标:确定与年龄和性别匹配的健康志愿者(Aβ阴性)相比,阿尔茨海默病或轻度认知障碍参与者(均为Aβ阳性)内侧颞叶中PDE4B放射性配体结合是否增加。探索性目标#1:确定内侧颞叶中PDE4B结合是否与人口统计学变量、临床标志物或生物标志物相关。探索性目标#2:确定阿尔茨海默病或轻度认知障碍个体大脑的任何区域是否比健康志愿者有更高的PDE4B结合。终点:主要终点:PDE4B的PET测量;临床变量,包括神经心理学测试;以及生物学变量,包括血浆中Aβ40、Aβ42、总tau和Ptau217的浓度。
【主题与分类】
主题标签:Alzheimer s Disease、Mild Cognitive Impairment、Healthy。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/NCT07169630
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/NCT07169630
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
疾病:阿尔茨海默病、轻度认知障碍、健康。研究描述:作为神经炎症的生物标志物,假设PDE4B的密度在阿尔茨海默病或轻度认知障碍个体中相较于年龄匹配的健康志愿者(HVs)会升高。参与者将接受两次正电子发射断层扫描(PET)(针对PDE4B和β-淀粉样蛋白(Aβ))以及一次脑部磁共振成像(MRI)扫描。目标:主要目标:确定与年龄和性别匹配的健康志愿者(Aβ阴性)相比,阿尔茨海默病或轻度认知障碍参与者(均为Aβ阳性)内侧颞叶中PDE4B放射性配体结合是否增加。探索性目标#1:确定内侧颞叶中PDE4B结合是否与人口统计学变量、临床标志物或生物标志物相关。探索性目标#2:确定阿尔茨海默病或轻度认知障碍个体大脑的任何区域是否比健康志愿者有更高的PDE4B结合。终点:主要终点:PDE4B的PET测量;临床变量,包括神经心理学测试;以及生物学变量,包括血浆中Aβ40、Aβ42、总tau和Ptau217的浓度。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




