上海阿尔茨海默病高风险人群:队列研究

该数据集来自 clinicaltrials.gov,为一项聚焦阿尔茨海默病(AD)患者一级亲属的前瞻性队列研究。研究采用神经精神评估组合、磁共振成像(MRI)及血液和尿液流体生物标志物,评估AD高风险参与者的纵向变化,并通过结构化问卷考察环境、行为等因素对AD发病的影响

Ruijin HospitalRuijin Hospital
clinicaltrials
浏览 4
医学影像预测Alzheimer DiseaseDementiaNeurodegenerative DiseasesCognitive ImpairmentNeurocognitive Disorders
Shanghai At Risk for Alzheimer's Disease: a Cohort Study

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-19

资源简介

上海阿尔茨海默病高风险人群:队列研究

该数据集来自 clinicaltrials.gov,为一项聚焦阿尔茨海默病(AD)患者一级亲属的前瞻性队列研究。研究采用神经精神评估组合、磁共振成像(MRI)及血液和尿液流体生物标志物,评估AD高风险参与者的纵向变化,并通过结构化问卷考察环境、行为等因素对AD发病的影响。数据可用于AD风险预测、痴呆预防与治疗指南探索,以及中国人群相关临床研究(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、痴呆、神经退行性疾病、认知障碍、神经认知障碍。本研究是一项前瞻性队列研究,聚焦阿尔茨海默病(AD)患者的一级亲属。研究采用神经精神评估组合、磁共振成像(MRI)和流体生物标志物(血液和尿液)等多种方法,评估AD高风险参与者的纵向变化。此外,设计了一份结构化问卷,以调查环境、行为及其他因素如何影响AD的发病率。本研究对于建立适合中国人群的痴呆预防和治疗新指南,以及帮助临床医生预测一级亲属的AD风险具有重要意义。

【主题与分类】

主题标签:Alzheimer Disease、Dementia、Neurodegenerative Diseases、Cognitive Impairment、Neurocognitive Disorders。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/NCT05597410

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT05597410

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、神经退行性疾病、认知障碍、神经认知障碍。本研究是一项前瞻性队列研究,聚焦于阿尔茨海默病(AD)患者的一级亲属。研究采用神经精神评估量表、磁共振成像(MRI)及体液生物标志物(血液和尿液)等多种方法,评估AD高危参与者的纵向变化。此外,还设计了结构化问卷,以调查环境、行为及其他因素如何影响AD的发病率。本研究对于建立适合中国人群的痴呆预防和治疗新指南,以及帮助临床医生预测一级亲属的AD风险,具有重要意义。

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。

获取专属数据定制方案