Rocket研究：Pelizaeus-Merzbacher病生物标志物与疾病进展特征研究
研究为多中心、非随机、非干预的前瞻性与回顾性整合设计，计划纳入最多32名可接受全身麻醉或清醒镇静的PMD参与者，采集脑脊液和血液液体生物标志物、神经影像及临床评估数据，用于支持PMD疗法开发
基本信息
资源简介
Rocket研究：Pelizaeus-Merzbacher病生物标志物与疾病进展特征研究
Rocket Study 是一项针对 Pelizaeus-Merzbacher 病（PMD）的研究，旨在表征该疾病参与者的生物标志物与疾病进展。该研究采用多中心、非随机、非干预的整合性前瞻与回顾设计，计划纳入最多 32 名能够接受全身麻醉或清醒镇静（如有必要）的 PMD 参与者，采集脑脊液和血液中的液体生物标志物、神经影像及临床评估数据，以支持 PMD 治疗方法的开发。每位参与者的研究持续时间约为 26 个月（第 106 周）。该数据集收录于神经系统疾病 / 其他分类下，来源于 clinicaltrials.gov，主题标签为 Pelizaeus-Merzbacher Disease。
【数据集背景】
Pelizaeus-Merzbacher 病是一种神经系统疾病。本研究的核心目标是对 PMD 参与者的生物标志物和疾病进展进行表征，所采集的数据将用于支持 PMD 疗法的开发。研究设计为多中心、非随机、非干预的整合性前瞻与回顾研究，计划纳入最多 32 名参与者，这些参与者需能够接受全身麻醉或清醒镇静（如有必要）。每位参与者的研究持续时间约为 26 个月，即第 106 周。
【数据内容】
该数据集涵盖三类主要数据：液体生物标志物（包括脑脊液和血液样本）、神经影像以及临床评估。这些数据共同构成对 PMD 参与者生物标志物与疾病进展的表征基础。源站未提供各数据类型的具体字段、变量清单或测量指标细节。
【采集与来源】
数据来源于 clinicaltrials.gov 登记的研究。采集方式为多中心、非随机、非干预的整合性前瞻与回顾设计，参与者需能够接受全身麻醉或清醒镇静（如有必要）以完成相关采集。计划样本量为最多 32 名 PMD 参与者，每位参与者的研究周期约为 26 个月（第 106 周）。源站未提供具体采集中心数量、地理分布或样本处理流程等信息。
【适用场景】
该数据集适用于 PMD 相关的生物标志物研究、疾病进展表征以及疗法开发支持等场景。由于其整合了脑脊液与血液生物标志物、神经影像和临床评估，可用于支持对 PMD 疾病状态的综合观察。源站未提供更具体的适用场景说明。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式或分析指南。
【质量与限制】
该研究为非随机、非干预设计，计划纳入最多 32 名参与者，且参与者需能够接受全身麻醉或清醒镇静（如有必要），这可能构成样本选择方面的限制。源站未提供其他质量控制措施、数据完整性说明或已知局限性的详细信息。
【引用与许可】
源站未提供引用格式或许可条款信息。
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/NCT05659901
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
条件：佩利措伊斯-梅茨巴赫病。这是一项多中心、非随机、非干预性的前瞻性与回顾性整合研究，纳入最多32名能够接受全身麻醉或清醒镇静（如有必要）的PMD受试者，以采集液体生物标志物（脑脊液和血液）、神经影像学及临床评估资料，用于支持PMD治疗方法的开发。每名受试者的研究持续时间约为26个月（第106周）。
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。
