基于VR的认知训练对2型糖尿病合并轻度认知障碍患者的认知保护效应
该数据集来自clinicaltrials.gov,围绕基于VR的认知训练对2型糖尿病合并轻度认知障碍患者的认知保护效应。覆盖T2DM与MCI人群,关注老龄化背景下糖尿病患者痴呆风险上升及MCI作为正常衰老与痴呆之间关键过渡阶段的问题

基本信息
资源简介
基于VR的认知训练对2型糖尿病合并轻度认知障碍患者的认知保护效应
该数据集来自clinicaltrials.gov,围绕基于VR的认知训练对2型糖尿病合并轻度认知障碍患者的认知保护效应。覆盖T2DM与MCI人群,关注老龄化背景下糖尿病患者痴呆风险上升及MCI作为正常衰老与痴呆之间关键过渡阶段的问题。数据可用于研究非药物认知训练干预的早期介入价值,比较传统纸笔训练与虚拟现实沉浸式、交互式训练在场景真实感与患者依从性方面的差异,并支持对认知保护效果的预测分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Type 2 Diabetes Mellitus (T2DM), Mild Cognitive Impairment (MCI). 随着中国人口老龄化持续加剧,2型糖尿病(T2DM)已成为严重威胁我国老年人健康的疾病。在T2DM患者中,痴呆风险随年龄迅速上升。轻度认知障碍(MCI)是正常衰老与痴呆之间的关键过渡阶段;早期干预可有效延缓疾病进展并降低发展为痴呆的风险。在此背景下,认知训练等非药物干预因安全性高、易于实施,已成为早期干预的重要支柱。传统纸笔认知训练受限于缺乏沉浸式真实场景以及患者依从性不理想。虚拟现实技术凭借其沉浸式和交互式特性,已
【主题与分类】
主题标签:Type 2 Diabetes Mellitus (T2DM)、Mild Cognitive Impairment (MCI)。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07650318
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/NCT07650318
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:2型糖尿病(T2DM)、轻度认知障碍(MCI)。随着中国人口老龄化程度不断加深,2型糖尿病(T2DM)已成为严重威胁我国老年人健康的疾病。T2DM患者中,痴呆风险随年龄增长迅速升高。轻度认知障碍(MCI)是正常衰老与痴呆之间的关键过渡阶段;早期干预可有效延缓疾病进展并降低痴呆发生风险。在此背景下,认知训练等非药物干预因安全性高、易于实施,已成为早期干预的重要支柱。传统纸笔式认知训练受限于缺乏沉浸式真实场景以及患者依从性不理想。虚拟现实技术凭借其沉浸性和交互性,在MCI患者认知康复中已显示出良好效果。然而,目前仍缺乏针对T2DM合并MCI专门设计的VR认知训练方案。
本研究旨在评估一种定制化虚拟现实认知训练系统联合糖尿病自我管理模块,对伴有轻度认知障碍的2型糖尿病成年患者的认知保护效果。该系统将多感官认知训练与糖尿病饮食管理教育相结合,以同时改善认知功能、代谢指标及糖尿病自我管理能力。本试验还系统验证了该定制化虚拟现实训练系统的安全性和参与者依从性。共纳入40名符合条件的参与者,并按1:1比例随机分配至虚拟现实认知训练组或传统纸笔认知训练组。干预周期为24周。所有参与者在入组前至少3个月及整个试验期间均维持稳定的降糖方案,并接受标准化的每周糖尿病健康教育。每周通过言语交流和电话进行随访。
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。




