CLIME-CJD：多模态研究
Creutzfeldt-Jakob 病（CJD）是一种罕见且快速进展的神经系统疾病。本研究旨在通过回顾性查阅在我院确诊为 CJD 患者的病历，描述和总结 CJD 的关键特征
基本信息
资源简介
CLIME-CJD：多模态研究
CLIME-CJD: A Multimodal Study 是一项聚焦克雅氏病（Creutzfeldt-Jakob Disease, CJD）的多模态研究数据集，归属于神经系统疾病分类下的其他类别，来源为 clinicaltrials.gov。该数据集围绕 CJD 这一罕见且快速进展的神经系统疾病展开，其研究目的在于通过回顾性查阅在医院确诊为 CJD 患者的病历资料，描述并总结该病的关键特征。研究所涉及的信息来自常规临床评估，涵盖患者症状、血液检验、脑脊液分析、脑部影像（如 MRI 与 PET）以及脑电图（EEG）等多个模态。通过将这些数据综合分析，研究希望更清晰地呈现 CJD 在常规临床实践中的表现，从而帮助医生在未来更快地识别该疾病。需要说明的是，该研究不向患者提供任何新的检查或治疗，所有数据均取自既有病历记录。
【数据集背景】
克雅氏病是一种罕见且进展迅速的神经系统疾病，属于朊蛋白病（Prion Disease）范畴。由于病例稀少、病程进展快，临床对其在真实诊疗环境中的表现特征进行系统梳理具有实际意义。本研究即以此为出发点，依托医院内已确诊 CJD 患者的病历资料，对疾病的关键特征进行回顾性描述与总结，力图反映 CJD 在常规临床实践中的真实面貌，并为今后更快速的疾病识别提供参考。
【数据内容】
数据集所涵盖的信息来自患者常规临床评估的多个方面，包括患者的症状记录、血液检验结果、脑脊液分析、脑部影像检查（如 MRI 和 PET）以及脑电图（EEG）。这些不同模态的数据共同构成对同一疾病的多角度刻画，研究通过将其放在一起分析，形成对 CJD 临床表现的整体描述。数据内容不涉及任何新的检查项目或治疗干预，全部来源于既有医疗记录。
【采集与来源】
数据来源为 clinicaltrials.gov 所登记的研究，采集方式为回顾性查阅在医院确诊为 CJD 的患者的病历。研究不向患者施加新的检测或治疗，所有信息均从常规临床评估的既有记录中提取。数据对应的疾病主题标签为克雅氏病（CJD）与朊蛋白病。
【适用场景】
基于其多模态与回顾性特征，该数据集适用于对 CJD 临床特征进行描述性总结与综合分析，可服务于疾病表现模式的梳理、常规临床实践中疾病识别线索的归纳等用途。其目标之一在于帮助医生未来更快速地识别该疾病。源站未提供更多具体适用场景。
【使用方法】
源站未提供。
【质量与限制】
该研究为回顾性设计，数据全部来自既有病历记录，不包含新的检查或治疗，因此其内容受限于常规临床评估所产生信息的范围。源站未提供关于样本量、数据完整性或质量控制的其他说明。
【引用与许可】
源站未提供。
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/NCT07589283
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：克雅氏病（CJD）| 朊病毒病。克雅氏病（CJD）是一种罕见且快速进展的神经系统疾病。本研究旨在通过回顾在我院被诊断为CJD的患者的病历，描述并总结CJD的关键特征。研究人员将从常规临床评估中收集信息，包括患者的症状、血液检查、脑脊液分析、脑成像（如MRI和PET）以及脑电图（EEG）。通过综合分析这些数据，本研究希望更清晰地呈现CJD在常规临床实践中的表现。这可能有助于医生今后更快地识别该疾病。患者不会接受任何新的检查或治疗。所有数据均从现有病历中收集。
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。
