靶向神经炎症作为阿尔茨海默病痴呆及相关痴呆的致病病理
该数据集来自 clinicaltrials.gov,聚焦于阿尔茨海默病痴呆及相关痴呆中的神经炎症。源站描述指出,针对淀粉样蛋白等已知病理特征的治疗在症状期个体中基本无效,因此需要探索其他潜在靶点

基本信息
资源简介
靶向神经炎症作为阿尔茨海默病痴呆及相关痴呆的致病病理
该数据集来自 clinicaltrials.gov,聚焦于阿尔茨海默病痴呆及相关痴呆中的神经炎症。源站描述指出,针对淀粉样蛋白等已知病理特征的治疗在症状期个体中基本无效,因此需要探索其他潜在靶点。神经炎症可能与 AD 痴呆存在关联,并在不同个体中以不同方式起作用。既往 PET 神经炎症数据不完全一致,需要新的 PET 成像方法和更大规模队列研究,以进一步探究神经炎症在 AD 痴呆中的作用及 PET 作为生物标志物的效用。本项目旨在在未受损、轻度受损、AD 痴呆以及轻度认知障碍和路易体痴呆人群中测试新的 PET 神经炎症成像方法(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:路易体痴呆(LBD)、阿尔茨海默痴呆(AD)。阿尔茨海默病(AD)痴呆是一种毁灭性疾病,尚无治愈方法。针对AD已知病理标志物(如β-淀粉样蛋白(AB))在症状性个体中的治疗已被证明基本无效,因此其他潜在的疾病靶点值得探索。神经炎症与AD痴呆可能存在有趣的关联,并可能在不同个体中以不同方式促成AD痴呆。既往PET神经炎症数据并不完全一致,需要新的PET成像方法和更大规模队列的研究来进一步探究神经炎症在AD痴呆中的作用以及PET作为生物标志物的效用。本项目旨在在经生物标志物识别脑病理的无损伤、轻度损伤、AD痴呆以及轻度认知损伤和路易体痴呆(DLB)个体中测试新的PET神经炎症成像方法,以帮助填补该领域这些知识空白。
【主题与分类】
主题标签:Lewy Body Dementia (LBD)、Alzheimer Dementia (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/NCT04786223
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/NCT04786223
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:路易体痴呆(LBD)、阿尔茨海默痴呆(AD)。阿尔茨海默病(AD)痴呆是一种毁灭性疾病,尚无治愈方法。针对AD已知病理标志物(如β-淀粉样蛋白(AB))在症状性个体中的治疗已被证明基本无效,因此其他潜在的疾病靶点值得探索。神经炎症与AD痴呆可能存在有趣的关联,并可能在不同个体中以不同方式促成AD痴呆。既往PET神经炎症数据并不完全一致,需要新的PET成像方法和更大规模队列的研究来进一步探究神经炎症在AD痴呆中的作用以及PET作为生物标志物的效用。本项目旨在在经生物标志物识别脑病理的无损伤、轻度损伤、AD痴呆以及轻度认知损伤和路易体痴呆(DLB)个体中测试新的PET神经炎症成像方法,以帮助填补该领域这些知识空白。
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。




