先进脑电图数据作为原发性痴呆病理与预后标志物的作用

数据集获取

源站：https://clinicaltrials.gov/study/NCT06826157

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、路易体痴呆（LBD）、轻度阿尔茨海默病、额颞叶痴呆（FTD）、轻度认知障碍（MCI）、健康受试者。该项目的主要目的是检查被诊断为遗忘型轻度认知障碍参与者的静息态高分辨率脑电图皮层源，目标在于：- 探索阿尔茨海默病病理的脑电图标志物及其与常规和非常规脑部MRI数据的关系。研究人员将根据参与者的脑脊液（CSF）生物标志物谱进行分组后，探索这些关系。研究人员将通过临床诊断检查期间进行的脑正电子发射断层扫描与氟脱氧葡萄糖（PET-FDG）数据以及载脂蛋白E（APOE）基因谱，进一步解释其他关系。

• 前瞻性地识别可预测临床转化为全面发作的AD痴呆的EEG标志物，并结合脑MRI、脑FDG-PET和遗传数据，定义一种风险分层算法；
• 评估在整个AD神经病理进展过程中电生理和MRI信号的纵向变化；
  该项目的次要目标是评估在MCI组中识别出的阿尔茨海默病相关EEG信号模式的准确性。这将通过在一组被诊断为阿尔茨海默病所致轻度痴呆、额颞叶痴呆和路易体痴呆的患者中，将EEG数据与APOE遗传信息进行比较来实现。

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。