阿尔茨海默病
阿尔茨海默病是一种以进行性认知功能障碍和行为损害为特征的中枢神经系统退行性疾病，是痴呆最常见的类型。其核心病理改变包括β-淀粉样蛋白沉积形成的老年斑、tau蛋白过度磷酸化导致的神经原纤维缠结以及神经元丢失。临床上主要表现为渐进性记忆障碍、执行功能下降、视空间能力损害、语言障碍及人格和行为改变，晚期可出现完全失用、失认及生活不能自理。诊断需结合病史、神经心理学评估、影像学及脑脊液生物标志物检测，治疗以胆碱酯酶抑制剂和NMDA受体拮抗剂为主，旨在延缓疾病进展、改善生活质量。该病已成为全球公共卫生重大挑战，相关研究聚焦于早期生物标志物筛查、免疫治疗及神经保护策略。
获取 阿尔茨海默病 专属定制方案共 1823 个数据集
ADNI临床数据集
ADNI是纵向多中心研究数据集，包含临床、影像、遗传和生化标志物，用于阿尔茨海默病的早期检测和追踪。
基于活体大脑介观结构检测阿尔茨海默病的预测模型数据
研究基于结构磁共振成像提取多个脑区的统计特征，采用无监督分析方法，区分具有阿尔茨海默病相关病理改变的人群与无该病理改变的人群，并提供可整合进临床决策支持系统的诊断工具
88例脑电图数据集：阿尔茨海默病、额颞叶痴呆与健康被试
该数据集来自 openneuro.org，包含 88 名被试的闭眼静息态 EEG 记录，其中阿尔茨海默病（AD）组 36 人、额颞叶痴呆（FTD）组 23 人、健康对照（CN）组 29 人
阿尔茨海默病数据集 v1
数据可用于阿尔茨海默病相关的分类建模与分析研究，适合开展疾病识别、风险分层等任务（来源 Kaggle，MIT 许可）。主题标签：神经系统疾病、阿尔茨海默病、kaggle、医学数据集
阿尔茨海默病多分类图像数据集
所有图像均为 .JPG 格式，且已完成颅骨剥离、去除非脑组织，适合用于机器学习模型的训练与测试。数据集由 Aryan Singhal 发布，发布时间为 2024-06-26，主题涉及图像、人工智能与神经科学，可用于阿尔茨海默病多分类识别研究（来源 Kaggle，Apache 2.0 许可）
推进临床环境中的阿尔茨海默病检测：MRI 图像数据
该数据集来自 data.mendeley.com，包含 JPG 格式的 MRI 脑部扫描图像，用于推动 AI 与深度学习模型在临床环境中检测阿尔茨海默病
增强版阿尔茨海默病 MRI 数据集
数据包含两个文件夹，一个为增强图像，另一个为原始图像，原始图像可用于验证或测试。数据由已有数据集增强而来，原始图像可在 Data Explorer 中查看
支持数据：基于深度学习的含缺失值多变量临床患者轨迹聚类
本数据集包含用于验证VaDER方法的模拟和基准数据，以及AD和PD患者的多变量临床轨迹数据，支持患者分层聚类分析。
美国各州痴呆症护理费用估计与预测（2010-2050年）
美国痴呆症护理费用按州估计与预测，包含回顾性和前瞻性成本数据，以表格形式呈现。
美国痴呆症护理支出按州估算与预测2010-2050
美国痴呆症护理支出的历史估算与未来预测数据集，覆盖全国及各州，包含替代成本和放弃工资成本。
Ephexin5 通过活动依赖性调控 Cdc42 驱动突触生长与稳定
该数据集来自 search.dataone.org，归类于神经系统疾病 / 阿尔茨海默病，主题涉及突触可塑性、RhoGEF、Ephexin5、树突棘、双光子成像与 Cdc42
SIESTA：睡眠干预提升认知状态并减少β淀粉样蛋白
其背景是：增加运动与改善饮食等生活方式干预已被用于 AD 预防试验，但睡眠增强尚未被作为预防 AD 的生活方式干预目标；减少睡眠障碍或可预防约 15% 的 AD
