阿尔茨海默病患者通过运动编码进行记忆障碍补救方法的验证

数据集获取

源站：https://clinicaltrials.gov/study/NCT07632755

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：阿尔茨海默病、健康。在法国，超过150万人患有轻度认知障碍，这通常是阿尔茨海默病（AD）的前兆，而到2050年，该病的全球患病率可能达到1.53亿。由于尚无治愈性疗法，维持患者在家中的自主性对于减轻机构化带来的负面影响和降低经济成本至关重要。非药物方法，如认知训练，已显示出稳定认知功能的潜力。研究表明，在早期AD中，运动网络和程序性记忆相对保留，编码过程中的身体参与可增强记忆。对于有运动障碍的患者，运动想象（MI）可在不实际运动的情况下激活这些网络。此外，与静态图像相比，动态视觉提示（如视频）可降低认知负荷。本项目旨在结合真实动作、MI和动态视觉支持以优化记忆。通过验证120个日常活动视频，它将评估动作对回忆的影响，评价MI对行动受限患者的有效性，并确认视频优于静态图像。

研究结果可为开发数字工具（如严肃游戏）提供支持，以增强患者的自主性并应对与老龄化相关的挑战。

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。