认知障碍中的VR瞳孔测量

数据集获取

源站：https://clinicaltrials.gov/study/NCT07402356

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、重度抑郁症（MDD）、轻度认知障碍、痴呆。认知能力通常随年龄增长而下降，并常伴有注意力和记忆缺陷。虽然这些变化可能与正常衰老一致，但也可能反映情感障碍或神经退行性疾病的早期阶段（例如阿尔茨海默病；AD）。在临床实践中，神经认知测试常用于区分与年龄相符的变化和病理性衰退。由于这些测试量化行为表现，它们在检测认知衰退方面更为擅长，但前提是可测量的缺陷已经显现。然而，对于可能在明显临床症状出现前数年就已存在的细微变化，这些测试的敏感性有限。本研究评估了一种基于瞳孔扩张测量的诊断方法，该方法可能有助于更早发现和纵向监测，从而有可能实现更早的干预。瞳孔测量法提供了一种无创的瞳孔动力学指标，与认知相关的觉醒系统有关，包括蓝斑-去甲肾上腺素能（LC-NA）系统。

LC-NA活动通过自主神经通路与瞳孔扩张相耦合，这种耦合已在动物和人类研究中得到证实。鉴于其广泛的投射，LC-NA系统通过其在觉醒调节、应激反应性、注意和记忆中的作用，与精神和神经疾病相关。在阿尔茨海默病中，瞳孔测量法通常采用瞳孔对光反射范式进行检查。然而，简单的闪光测量在早期损伤阶段可能信息量较少，因为瞳孔反应随认知状态和任务需求而变化，并且不能提供统一、独立于任务的LC相关功能读数。因此，在认知任务期间及紧随其后分析瞳孔反应，可能更适合捕捉与前驱期过程相关的细微功能障碍，而一旦损伤确立，光反射改变可能会变得更加明显。在先前的工作中，研究者观察到p

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。