β-螺旋桨蛋白相关神经退行性疾病中的脑铁沉积(BPAN)数据集
该数据集来自 clinicaltrials.gov,聚焦于β-螺旋桨蛋白相关神经退行性疾病(BPAN),属于脑铁沉积神经退行性疾病(NBIA)中最常见的亚型,由 WDR45 基因致病变异引起,呈双相临床病程

基本信息
资源简介
β-螺旋桨蛋白相关神经退行性疾病中的脑铁沉积(BPAN)数据集
该数据集来自 clinicaltrials.gov,聚焦于β-螺旋桨蛋白相关神经退行性疾病(BPAN),属于脑铁沉积神经退行性疾病(NBIA)中最常见的亚型,由 WDR45 基因致病变异引起,呈双相临床病程。数据集覆盖 NBIA、铁代谢障碍和脑疾病相关主题,源站描述提及定量磁化率成像(QSM)可用于无创量化脑内磁敏感变化,以评估铁沉积。该数据可用于神经系统疾病相关的影像分析研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:脑铁沉积神经退行性疾病(NBIA)、铁代谢障碍、脑疾病。脑铁沉积神经退行性疾病(NBIA)是一组以进行性神经退行性变和脑内异常铁沉积为特征的罕见疾病。其中,由 WDR45 基因致病变异引起的 BPAN 是最常见的亚型,呈双相临床病程,儿童期表现为发育迟缓、癫痫和智力障碍,青少年或成年早期出现进行性运动和认知功能下降。常规 MRI 可检测铁沉积,但仍局限于定性评估,且在早期阶段缺乏敏感性。定量磁化率成像(QSM)是一种先进的 MRI 技术,能够对与铁沉积相关的磁敏感变化进行无创、在体量化。
【主题与分类】
主题标签:Iron Metabolism Disorders、Brain Disease。本站分类:神经系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07868120
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/NCT07868120
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:脑铁沉积神经变性病(NBIA)、铁代谢障碍、脑疾病。脑铁沉积神经变性病(NBIA)包括一组罕见疾病,其特征为进行性神经变性和脑内异常铁沉积。其中,由WDR45基因致病性变异引起的BPAN是最常见的亚型,临床病程呈双相性,儿童期表现为发育迟缓、癫痫和智力障碍,青春期或成年早期出现进行性运动和认知功能衰退。常规MRI可检测铁沉积,但仍局限于定性评估,且在早期阶段缺乏敏感性。定量磁化率成像(QSM)是一种先进的MRI技术,能够无创地在体内定量与铁沉积相关的磁化率变化。尽管QSM已在其他神经变性疾病中得到验证,但其在BPAN中的应用仍然有限,迄今尚无纵向数据可用。
本研究针对BPAN中缺乏定量生物标志物的问题,旨在更好地描述铁积累的自然史。参与者将在基线和18个月时接受标准化脑MRI检查,包括可用于QSM的特定序列。同时将进行临床评估,包括运动和适应行为量表。不使用造影剂。每位参与者将被随访18个月,设有两次主要研究访视(基线和18个月)。每次访视将作为常规诊疗和研究程序的一部分收集临床和影像数据。如有临床指征,可能进行额外访视。整个研究将持续24个月,包括6个月的入组期。
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。




