评估 ACI-7104.056 对早期帕金森病患者效果的研究
该数据集来自 clinicaltrials.gov,主题为评估 ACI-7104.056 在早期帕金森病患者中的效果。研究为 II 期、多中心、安慰剂对照、双盲、随机设计,并包含适应性特征

基本信息
资源简介
评估 ACI-7104.056 对早期帕金森病患者效果的研究
该数据集来自 clinicaltrials.gov,主题为评估 ACI-7104.056 在早期帕金森病患者中的效果。研究为 II 期、多中心、安慰剂对照、双盲、随机设计,并包含适应性特征。研究分为 Part 1 和 Part 2,涵盖最长 8 周筛选期、74 周双盲治疗期和 26 周治疗后随访期;Part 1 的某个队列可能进入扩展阶段,包含最长 4 周再筛选期、52 周双盲治疗期和 26 周随访期。Part 1 最多包含 3 个队列,每队列最多 32 名受试者,按 3:1 随机分配至活性治疗或安慰剂;其中一个队列可能进一步扩展至 Part 2,使研究总人数最多达 150 人。该数据可用于帕金森病早期干预相关的临床试验设计与疗效分。
【数据内容】
源站描述(机器翻译,仅供参考):病症:帕金森病、帕金森病 6 型、早发型。这是一项 II 期、多中心、安慰剂对照、双盲、随机研究,具有适应性特征,在研究 Part 1 和 Part 2 中包括最长 8 周的筛选期、74 周的双盲治疗期和 26 周的治疗后随访期。研究 Part 1 中的一个队列可能进入扩展阶段,包括最长 4 周的再筛选期、52 周的双盲治疗期和 26 周的治疗后随访期。研究 Part 1 可能包括最多 3 个队列,每个队列最多由 32 名参与者组成(最多 24 名接受活性治疗,最多 8 名接受安慰剂;活性治疗/安慰剂比例为 3:1)。研究 Part 1 中的一个队列可能进一步扩展进入研究 Part 2,以使研究总人数最多达到 150 名参与者。如果一个队列进一步扩展超过 32 名参与者
【主题与分类】
主题标签:Parkinson Disease、Parkinson Disease 6, Early-Onset。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/NCT06015841
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/NCT06015841
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:帕金森病、早发性帕金森病6型。这是一项具有适应性特征的2期、多中心、安慰剂对照、双盲、随机研究,包括最长8周的筛选期、74周的双盲治疗期以及研究第1部分和第2部分中26周的治疗后随访期。研究第1部分中的一个队列可能进入扩展阶段,包括最长4周的再筛选期、52周的双盲治疗期和26周的治疗后随访期。研究第1部分可能包括最多3个队列,每个队列最多32名参与者(最多24名接受活性治疗,最多8名接受安慰剂;活性治疗与安慰剂的比例为3:1)。研究第1部分中的一个队列可能会进一步扩展至研究第2部分,以使研究总参与人数最多达到150人。如果某个队列进一步扩展至研究第2部分且超过32名参与者,则该队列中活性治疗与安慰剂的比例将调整为2:1。研究治疗和安慰剂的给药途径为肌肉注射。
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。




