瑞典 BioFINDER 初级保健研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT06120361

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：轻度痴呆、轻度认知障碍、主观认知下降、阿尔茨海默病、路易体病、额颞叶变性、血管性痴呆。目的 本研究的总体目标是提高初级保健机构中阿尔茨海默病和认知障碍的诊断准确性，以确保更好的照护和治疗，并促进正确转诊至专科记忆门诊。研究者将努力招募具有多样性和代表性的主观认知下降、轻度认知障碍和轻度痴呆患者群体。本研究的具体目标如下：1. 提高初级保健中对轻度认知障碍和痴呆的检出率。认知障碍的早期发现可带来更好的照护、优化的治疗，并凸显在决策、医疗资源不当使用及驾驶能力方面的问题。尽管如此，初级保健仍在使用30至40年前的工具，这些工具对轻度认知障碍的敏感性较低。

在本项目中，研究人员将通过头对头比较新型和传统认知测试（包括可每日进行记忆和执行功能测试的计算机化测试和智能手机应用程序），来确定最佳认知筛查测试。2. 开发并评估适用于在初级保健中准确、早期诊断阿尔茨海默病（AD）的认知测试、血液生物标志物和脑成像方法。AD是最常见的痴呆症（约占所有痴呆症病例的70%），目前有4种已注册的症状性治疗药物，可改善认知、日常活动功能，并可能延迟入住养老院的时间。因此，检测AD对于开始治疗至关重要。此外，有前景的试验表明，未来可能会有针对Aβ（AD的病因和标志性病理）的疾病修饰性AD治疗方法。在这种情况下，必须在神经退行性变广泛扩散之前的早期阶段识别出AD。为解决这一问题，研究人员将开发并验证能够准确检测早期

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。