追踪早期 Wolfram 综合征中的神经退行性变
研究假设 ER stress 相关功能障碍可能抑制 WFS 神经发育中的髓鞘生成,因为活跃且发育中的少突胶质细胞比成熟细胞更易受 ER stress 影响

基本信息
资源简介
追踪早期 Wolfram 综合征中的神经退行性变
该数据集来自 clinicaltrials.gov,聚焦 Wolfram Syndrome(WFS)早期神经退行性变研究。研究假设 ER stress 相关功能障碍可能抑制 WFS 神经发育中的髓鞘生成,因为活跃且发育中的少突胶质细胞比成熟细胞更易受 ER stress 影响。由于标准 DTI 方法会将轴外空间的炎症过程与轴突和髓鞘完整性指标混同,研究团队计划在新型 Siemens Prisma MRI 扫描仪上采集经过验证的新型扩散序列,并应用前沿分析方法测量全脑及视神经的白质完整性,以提升随时间推断轴突和髓鞘完整性的能力(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Wolfram Syndrome. 在这项新资助中,研究人员假设 ER stress 相关功能障碍可能抑制 WFS 神经发育过程中的髓鞘生成,因为活跃且发育中的少突胶质细胞(在大脑中产生髓鞘的细胞)比成熟细胞更容易受到 ER stress 的影响。然而,标准 DTI 方法会将轴外空间中的炎症过程(也可能与 ER stress 相关)与轴突和髓鞘完整性指标混同,导致测量结果可能受到混杂影响。研究团队提议在一台新的最先进 MRI 扫描仪(Siemens Prisma)上采集经过验证的新型扩散序列,并应用前沿分析方法来测量全脑和视神经的白质完整性,从而提高随时间推断轴突和髓鞘完整性的能力。研究人员将评估 W
【主题与分类】
主题标签:Wolfram Syndrome。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03951298
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/NCT03951298
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:Wolfram综合征。在这项新资助中,研究人员假设,与ER应激相关的功能障碍可能抑制WFS神经发育过程中髓鞘的生成,因为活跃且发育中的少突胶质细胞(脑内产生髓鞘的细胞)比成熟少突胶质细胞更容易受到ER应激影响。然而,标准DTI方法会将轴突外间隙中的炎症过程(也可能与ER应激相关)与轴突和髓鞘完整性的指标混为一谈,导致测量结果可能受到混杂。研究团队提议在一台新的最先进MRI扫描仪(Siemens Prisma)上采集新型、经过验证的弥散序列,并应用前沿分析方法来测量全脑和视神经的白质完整性,从而提高随时间推移就轴突和髓鞘完整性得出结论的能力。研究人员将在我们的WU Wolfram Research Clinic使用这些方法每年评估WFS患者。这项工作发现可能提示未来脑特异性干预的靶点,识别针对神经系统症状的临床试验的结局指标或高风险亚组。
这些数据还将极大地拓展我们对 WFS1 突变相关疾病(而非经典定义的 Wolfram 综合征)的横断面和纵向表型的理解。此类知识将使医生能够提供更准确的预后,从而对患者和家庭产生重大影响。最后,内质网应激介导的凋亡形式已被认为与更常见的神经退行性、内分泌和神经发育疾病有关,而这些疾病可能从本文获得的见解中获益。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




