5-HT RBD 快速眼动睡眠行为障碍数据集
项目将检验 5-HT RBD 患者存在系统性 alpha-synuclein 病理、前驱期 DLB 体征以及控制 REM 睡眠的脑干区域病变等假设

基本信息
资源简介
5-HT RBD 快速眼动睡眠行为障碍数据集
该数据集来自 clinicaltrials.gov,聚焦 5-HT RBD(快速眼动睡眠行为障碍)与神经系统疾病,涉及 Dementia With Lewy Bodies、Parkinson Disease 和 REM Sleep Behavior Disorder。项目将检验 5-HT RBD 患者存在系统性 alpha-synuclein 病理、前驱期 DLB 体征以及控制 REM 睡眠的脑干区域病变等假设。研究包括皮肤活检检测异常磷酸化 alpha-synuclein 聚集体、7T 超高场 MRI 检查蓝斑/亚蓝斑复合体并分割 REM 睡眠相关神经元结构,以及测试言语缺陷。可用于神经退行性疾病前驱期标志物与影像、病理、言语等多。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:Dementia With Lewy Bodies、Parkinson Disease、REM Sleep Behavior Disorder。本项目将检验以下假设:5-HT RBD 患者存在系统性 alpha-synuclein 病理、前驱期 DLB 体征以及控制 REM 睡眠的脑干区域病变。AIM 1 将在一组 5-HT RBD 患者和匹配对照(服用 SSRIs 但无 RBD)中,通过靶向皮肤活检检测异常磷酸化 alpha-synuclein 聚集体。Aim 2 将使用 7T 超高场 MRI 检查蓝斑/亚蓝斑复合体的脑桥区域,以寻找神经退行性变的证据,并分割和分区 REM 睡眠相关神经元结构。Aim 3 将测试言语缺陷。虽然这些目标相互独立,但我们怀疑自主神经、言语和认知缺陷的严重程度将与 MRI 上神经黑色素信号的丢失和皮肤病理相关。
【主题与分类】
主题标签:Dementia With Lewy Bodies、Parkinson Disease、REM Sleep Behavior Disorder。本站分类:神经系统疾病/帕金森病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06467461
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/NCT06467461
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:路易体痴呆、帕金森病、快速眼动睡眠行为障碍。本项目将验证以下假设:患有5-HT RBD的个体存在系统性α-突触核蛋白病理、前驱期DLB体征以及控制REM睡眠区域的脑干病变。目标1将在5-HT RBD患者及匹配对照组(服用SSRIs但无RBD)队列中,通过靶向皮肤活检检测异常磷酸化α-突触核蛋白聚集体。目标2将使用7T超高场MRI检查蓝斑/蓝斑下复合体的脑桥区域,以寻找神经退行性变的证据,并对REM睡眠相关神经元结构进行分割和分区。目标3将测试言语缺陷。虽然这些目标相互独立,但我们怀疑自主神经、言语和认知缺陷的严重程度将与MRI上神经黑色素信号的丢失以及皮肤活检的病理结果相关。该研究是一项纵向设计的研究,旨在检查从基线(时间1)到30个月后随访(时间2)的组织病理学、神经影像学变化和言语功能。
总共将招募60名个体,其中30名患有5-HT RBD,30名为对照组,他们在时间点1被招募,在时间点2被召回,并在两次研究访问中接受所有目标的测试。
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。




