Renji阿尔茨海默病神经影像队列研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT05433363

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：阿尔茨海默病。阿尔茨海默病（AD）是最常见的认知障碍疾病，主要表现为记忆力减退、语言功能和逻辑思维障碍，最终导致患者丧失独立生活能力。中国已成为全球AD患者数量最多的国家，目前患者已超过800万。65岁以上老年人AD发病率为4%—6%，严重影响老年人健康。目前临床所用药物仅能对症治疗，对逆转疾病进程无效。研究表明，AD具有超过10年的临床前期。在此期间，患者脑内已存在特异性病理改变，但无明显临床症状。然而，若在出现明显认知障碍后才开始干预，大脑已发生不可逆改变，干预效果有限。

近年来，许多针对AD特定病理生理过程的药物临床研究未能取得阳性结果，这可能与研究未能在疾病早期阶段纳入受试者这一重要原因之一有关。在此背景下，2011年美国国家衰老研究所和阿尔茨海默病协会（NIA-AA）制定了临床前AD、AD所致轻度认知障碍（MCI）及AD所致痴呆的诊断标准，这些标准基于AD特异性生物标志物，将AD的产前诊断从临床症状学架构转变为以核心生物标志物为核心的架构（金标准）。后者指β淀粉样蛋白（Aβ）、磷酸化tau蛋白（p-tau）及继发性神经退行性损伤（神经变性），即所谓的AT(N)架构，其中“A”和“T”为AD特异性病变，“A”是最早的标志性改变。通过体内检测AD特异性核心标志物，以尽早识别AD并开展针对性干预

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。