瑞典 BioFINDER 2 研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT03174938

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：痴呆、阿尔茨海默病、帕金森病、路易体病、帕金森-痴呆综合征、额颞叶变性、语义性痴呆、进行性非流利性失语。总体目标：1. 开发针对不同痴呆症的早期准确诊断方法。这对于临床诊断流程及临床试验患者筛选均至关重要。鉴于痴呆在老年人中极为常见，但常被误诊，我们需要开发微创、可靠且经济实惠的生物标志物，以便在初级保健环境中使用。这可能包括基于血液的生物标志物，用于识别神经退行性疾病高风险患者。我们还旨在利用先进的影像技术和脑脊液（CSF）生物标志物，开发新的诊断算法，以便在明显症状出现前（此时脑功能障碍尚有限且可能可逆）诊断患者，从而识别更可能对新疾病修饰疗法产生反应的个体。2. 开发生物标志物和影像技术，以监测新疾病修饰疗法的早期效果。

我们需要能够可靠检测Aβ、tau和α-突触核蛋白周转相关变化的方法。在本研究中，一个重点将是研究在AD前驱期和痴呆期Tau PET配体滞留的年变化。此外，我们需要能够检测正在进行的突触/神经元变性强度的生物标志物。揭示不同脑网络功能和结构完整性的影像学方法也可能具有相关性。3. 研究痴呆和帕金森综合征的异质性，以协助开发基于病理学的新疾病分类。当前的诊断评估基于症状学。然而，这些疾病（例如阿尔茨海默病和帕金森病）在临床特征和潜在病理方面具有异质性。此外，这些疾病之间也存在显著重叠。因此，当今基于症状的临床诊断标准可能过于粗糙，无法为患者提供具有病因学意义的分类。

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。