虚拟个体认知刺激疗法：概念验证研究
该数据集来自 clinicaltrials.gov，聚焦虚拟个体认知刺激疗法（V-iCST）用于痴呆治疗的概念验证研究，覆盖阿尔茨海默病、血管性痴呆、混合型痴呆、路易体痴呆、额叶痴呆及轻中度痴呆等人群
基本信息
资源简介
虚拟个体认知刺激疗法：概念验证研究
该数据集来自 clinicaltrials.gov，聚焦虚拟个体认知刺激疗法（V-iCST）用于痴呆治疗的概念验证研究，覆盖阿尔茨海默病、血管性痴呆、混合型痴呆、路易体痴呆、额叶痴呆及轻中度痴呆等人群。源站描述指出，痴呆影响全球 5000 万人，认知刺激疗法（CST）是英国政府推荐用于改善轻中度痴呆认知的唯一非药物疗法，已在超过 85% 的 NHS 服务中提供并覆盖 34 个国家，但疫情封锁导致该常规治疗暂停。V-iCST 旨在依据 MRC 复杂干预框架弥补这一治疗缺口。该数据可用于痴呆非药物干预的可及性与疗效相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：痴呆、血管性痴呆、混合型痴呆、路易体痴呆、额叶痴呆、轻度痴呆、中度痴呆、阿尔茨海默病痴呆。痴呆是一种全球性流行病，影响全球 5000 万人。认知刺激疗法（CST）是英国政府推荐的唯一用于改善轻中度痴呆认知的非药物疗法。它在超过 85% 的国家卫生服务体系（NHS）服务中提供，并在 34 个国家开展。遗憾的是，由于封锁，这一常规治疗被暂停，尽管痴呆患者受 COVID-19 的影响尤为严重。可及的治疗是迫切需求。虚拟个体认知刺激疗法（V-iCST）旨在弥合这一治疗缺口，作为基于证据的痴呆治疗方法，在医学研究理事会（MRC）复杂干预框架内开发
【主题与分类】
主题标签：Dementia、Dementia, Vascular、Dementia, Mixed、Dementia With Lewy Bodies、Dementia Frontal、Dementia, Mild、Dementia Moderate、Dementia Alzheimers、Dementia of Alzheimer Type、Dementia, Multi-Infarct。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://clinicaltrials.gov/study/NCT04828434
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
源站：https://clinicaltrials.gov/study/NCT04828434
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
疾病：痴呆、血管性痴呆、混合性痴呆、路易体痴呆、额叶痴呆、轻度痴呆、中度痴呆、阿尔茨海默病痴呆。痴呆症是一种全球性流行病，影响着全球5000万人。认知刺激疗法（CST）是英国政府推荐的唯一一种用于改善轻中度痴呆症患者认知功能的非药物疗法。该疗法已在超过85%的国家卫生服务体系（NHS）中提供，并在34个国家推行。遗憾的是，由于封锁措施，这一常规治疗被迫暂停，尽管痴呆症患者受COVID-19的影响尤为严重。获得可及的治疗是当务之急。虚拟个体认知刺激疗法（V-iCST）旨在弥合这一治疗缺口，作为一种基于证据的痴呆症治疗方法，它是在医学研究理事会（MRC）复杂干预框架内、运用CST原则开发而成的。疫情后，对V-iCST可能仍有需求，因为存在感觉障碍和缺乏交通条件的人可能更倾向于虚拟的个体化治疗。
研究者的目标为：1）设计V-iCST；2）通过可行性随机对照试验（RCT）评估V-iCST。将招募34名参与者作为样本，其中17名分配至V-iCST组，17名分配至常规治疗（TAU）对照组。数据将在测试前和测试后收集。预计到2050年，全球痴呆症患病率将达到1.52亿。因此，在大流行期间及之后，可及的治疗至关重要。
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。
