通过面部识别与视频观察的自动配药预防痴呆症患者用药管理不当

数据集获取

源站：https://clinicaltrials.gov/study/NCT06691256

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

条件：阿尔茨海默病、痴呆、药物依从性、2型糖尿病（T2DM）。全球有超过4700万人患有痴呆，每年新增发病770万例。药物管理不当是痴呆患者（PwD）中最常见且令人担忧的风险因素之一，因为它会导致治疗不足、急诊就诊、住院/再住院以及严重不良事件。美国有300万老年人因药物相关依从性问题入住养老院，每年相关费用超过140亿美元。此外，老年人住院中有30%与药物相关，其中11%归因于药物不依从，17%归因于药物不良反应。虽然阿尔茨海默病（AD）和2型糖尿病（DM）各自具有相当的发病率和死亡率，但它们常常同时发生，加剧不良结局、生活质量和护理成本。尤其值得注意的是，AD/DM合并症在老年人群中造成了药物管理与症状监测之间复杂的平衡难题。

虽然目标是尽可能让患有痴呆症的老年人留在家中，但这些挑战导致了难以言表的个人和家庭痛苦，以及每年数十亿美元本可避免的医疗费用。HiDO-ALZ平台将通过为PwD自动化给药来解决这些挑战，以消除用药管理不当、减轻照护者负担、降低医疗资源使用，并促进PwD就地养老。HiDO正在被开发为一个自动化、AI驱动的药物分发和直接观察平台，以优化依从性。该设备整合了药物分发、给药时间、药物同步以及一对前置摄像头，以验证正确的药物、正确的途径、正确的时间、正确的剂量给予正确的患者（5R’s）。摄像头使用面部识别记录每一次给药，并提供实时药物消耗记录。通过云连接，提供者和照护者可以通过网络仪表板访问视频观察日志、给药时间、依从性趋势以及纵向依从性。Pat

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。