老年人深度睡眠研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07316153

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

适应症：失眠、慢性失眠。失眠在老年人中非常普遍，并与日间功能受损及认知衰退风险增加相关。失眠认知行为疗法（CBT-I）是推荐的一线治疗方法，但可及性、依从性和可扩展性仍是持续存在的障碍，尤其是对老年人群而言。数字化CBT-I项目解决了部分可及性挑战，但在实际应用中往往表现出依从性降低和有效性减弱。本研究评估一种完全远程、自动化的数字化CBT-I系统，该系统将移动软件与物联网（IoT）支持的环境提示及人工智能驱动的个性化相结合。该干预旨在通过使用自适应声音、光线和行为提示，经由参与者家庭环境中的消费电子设备被动支持睡眠-觉醒规律，从而促进对CBT-I原则的依从性。该研究是一项随机、双盲、对照试验，完全远程开展，受试者为具有临床显著失眠症状的社区居住老年人。

在筛选和基线评估之后，参与者按1：2：2的比例随机分配到三个研究组之一：1）SleepSpaceRx CBT-I-IoT-AI组（n=72），2）基于CBT-I的活性对照Sleep-EZ组（n=72），或3）睡眠卫生+IoT活性对照组（n=36）。所有参与者均接受可比的研究设备和互动时间，以保持盲法并控制期望效应。干预期持续六周，之前设有基线评估阶段，之后进行干预后和随访评估。在整个研究过程中，参与者完成失眠严重程度的标准化自评量表，并通过移动设备进行重复的简短认知评估。客观睡眠数据通过非侵入性、可穿戴传感技术采集，这些技术在家庭环境中被动运行。本研究的主要目的

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。