阿尔茨海默病患者颈部LVA前瞻性单臂安全性研究
该数据集来自clinicaltrials.gov,收录一项针对阿尔茨海默病(AD)患者的前瞻性单臂安全性研究。研究探讨通过超显微外科淋巴静脉吻合术(LVA)增强脑膜淋巴引流,能否减少颅内蛋白负荷与全身氧化应激

基本信息
资源简介
阿尔茨海默病患者颈部LVA前瞻性单臂安全性研究
该数据集来自clinicaltrials.gov,收录一项针对阿尔茨海默病(AD)患者的前瞻性单臂安全性研究。研究探讨通过超显微外科淋巴静脉吻合术(LVA)增强脑膜淋巴引流,能否减少颅内蛋白负荷与全身氧化应激。参与者接受双侧颈部LVA,术中采用吲哚菁绿(ICG)荧光淋巴造影导航。数据可用于了解该干预措施的研究设计、安全性评估框架及相关神经退行性疾病淋巴引流研究方向(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:阿尔茨海默病(AD)。官方标题:阿尔茨海默病患者颈部淋巴静脉吻合术(LVA)的前瞻性单臂安全性研究。科学依据:阿尔茨海默病(AD)等神经退行性疾病的特征是淀粉样蛋白β和Tau等蛋白质的错误折叠与积累。类淋巴系统和脑膜淋巴系统是将这些代谢废物从中枢神经系统清除至颈部深淋巴结的主要途径。本研究探讨通过超显微外科淋巴静脉吻合术(LVA)增强该引流能否减少颅内蛋白负荷和全身氧化应激。研究设计与干预:这是一项前瞻性单臂安全性研究。参与者接受双侧颈部LVA。使用吲哚菁绿(ICG)荧光淋巴造影进行导航,
【主题与分类】
主题标签:Alzheimer's Disease (AD)。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/NCT07458620
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放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/NCT07458620
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(AD)。正式标题:颈淋巴管静脉吻合术(LVA)治疗阿尔茨海默病患者的前瞻性单臂安全性研究。科学依据:阿尔茨海默病(AD)等神经退行性疾病的特征是淀粉样蛋白β(Amyloid-beta)和Tau等蛋白质的错误折叠与积聚。类淋巴系统和脑膜淋巴系统是将这些代谢废物从中枢神经系统清除至颈部深淋巴结的主要通路。本研究探讨通过超显微外科淋巴管静脉吻合术(LVA)增强该引流能否减轻颅内蛋白质负荷及全身氧化应激。研究设计与干预:这是一项前瞻性单臂安全性研究。参与者接受双侧颈部LVA。术中采用吲哚菁绿(ICG)荧光淋巴造影进行导航,识别颈部淋巴管并将其与邻近小静脉吻合,以促进淋巴液引流至静脉循环。
安全性监测与数据完整性 主要安全性终点:本研究将安全性定义为术后第一个月内严重不良事件(SAE)发生率≤10%。事件采用CTCAE v5.0进行分级。独立监督:为确保客观性,认知与行为评估(包括MMSE、CDR和CASI)由非核心研究团队成员的心理学家进行。外部审计:已委托独立的临床研究组织(CRO)进行四次定期审计,以核实数据准确性和GCP合规性。探索性目标 本研究将追踪以下指标的纵向变化:体液生物标志物:基线、1、6和12个月时血浆Amyloid-beta 40/42、p-Tau 217、GFAP和Nf-L水平。神经影像:基线和12个月时进行Amyloid-PET和FDG-PET扫描,以评估蛋白沉积和代谢活动。临床结局:术后基线至6个月时认知评分(CDR、MMSE、CASI、NPI)的变化。
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

![[18F]ACI-19626 PET 在 TDP-43 蛋白病中的应用](/medical-api/medicalDataset/datasetCover/69930.jpg)


