血浆总Aβ42/Aβ40比值预测amyloid-PET状态，独立于临床AD诊断
该数据集来自search.dataone.org，属于神经系统疾病/阿尔茨海默病分类，聚焦于血浆总Aβ42/Aβ40比值（TP42/40）与amyloid-PET状态的关系
基本信息
资源简介
血浆总Aβ42/Aβ40比值预测amyloid-PET状态，独立于临床AD诊断
Total Aβ42/Aβ40 ratio in plasma predict amyloid-PET status, independent of clinical AD diagnosis
该数据集来自search.dataone.org，属于神经系统疾病/阿尔茨海默病分类，聚焦于血浆总Aβ42/Aβ40比值（TP42/40）与amyloid-PET状态的关系。数据基于澳大利亚影像、生物标志物与生活方式（AIBL）研究队列的子集，在三个独立时间点采集血浆样本，评估TP42/40与通过PET SUVR测量的新皮层Aβ负荷之间的关联、相关性及一致性。该数据可用于探索血浆生物标志物作为阿尔茨海默病病理预测工具的潜力，支持在临床诊断前进行风险分层研究（来源 DataONE，CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：背景：研究一直聚焦于识别一种基于血液的生物标志物，以便在临床医生安排脑脊液和PET检测之前，告知其阿尔茨海默病病理的可能性。目的：为探索血浆总Aβ42/Aβ40比值是否是amyloid-PET状态的可靠预测指标，我们在澳大利亚影像、生物标志物与生活方式（AIBL）衰老队列研究的一个子集中探索了这两个变量之间的关联。方法：在三个独立时间点采集血浆样本，我们评估了血浆总Aβ42/Aβ40比值（TP42/40）与通过PET SUVR测量的新皮层β淀粉样蛋白（Aβ）负荷的关系，并研究了其与Aβ-PET状态的关联以及与SUVR的相关性（和一致性）。结果：TP42/40血浆比值在所有时间点均与PET状态相关（p<0.013）。与SUVR的相关性在各时间点相似
【主题与分类】
主题标签：Case control)、[ 14 ] All Clinical Neurology。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://search.dataone.org/view/sha256%3A01165d8d989f1a36de7d02f747d743606320f052b982b895b92b13f34d6b87ae
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
背景：研究聚焦于识别一种基于血液的生物标志物，以便临床医生在进行脑脊液和PET检测之前，了解阿尔茨海默病病理的可能性。目的：为探讨血浆总Aβ42/Aβ40比值是否为淀粉样蛋白-PET状态的可靠预测指标，我们在澳大利亚衰老影像、生物标志物与生活方式（AIBL）研究队列的一个子集中，探讨了这两个变量之间的关联。方法：在三个不同时间点采集血浆样本，我们评估了血浆总Aβ42/Aβ40比值（TP42/40）与新皮层淀粉样蛋白β（Aβ）负荷（通过PET SUVR测量）的关系，并研究了其与Aβ-PET状态的关联以及与SUVR的相关性（和一致性）。结果：TP42/40血浆比值在所有时间点均与PET状态相关（p<0.013）。各时间点与SUVR的相关性相似，Spearman’s Rho达到-0.64（p<0.0001）。曲线下面积（AUC）值为h…
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。
