皮肤磷酸化α-突触核蛋白分析识别特发性震颤向帕金森病进展风险患者
该数据集来自 clinicaltrials.gov，聚焦特发性震颤（ET）患者向帕金森病（PD）进展的风险识别。ET 影响超过 600 万美国人，约 5% 的 60 岁以上成人患病，其发展为 PD 的风险是同龄人群的 10-20 倍，每年约 1% 转化为 PD
基本信息
资源简介
皮肤磷酸化α-突触核蛋白分析识别特发性震颤向帕金森病进展风险患者
该数据集来自 clinicaltrials.gov，聚焦特发性震颤（ET）患者向帕金森病（PD）进展的风险识别。ET 影响超过 600 万美国人，约 5% 的 60 岁以上成人患病，其发展为 PD 的风险是同龄人群的 10-20 倍，每年约 1% 转化为 PD。部分 ET 患者尸检可见 Lewy 体病理，提示可能存在前驱期 PD。现有诊断工具如 DaTscan、SYNTap 敏感性不足、昂贵或侵入性强。Syn-One Test 通过皮肤活检微创检测磷酸化 α-突触核蛋白（P-SYN）病理，可用于识别具有前驱期 PD 病理的 ET 患者并预测进展风险（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：特发性震颤、运动障碍、特发性震颤、特发性震颤叠加。背景与理由：特发性震颤（ET）影响超过 600 万美国人，约 5% 的 60 岁以上成人患病。与年龄匹配人群相比，ET 患者发生帕金森病（PD）的风险高 10-20 倍，每年约 1% 转化为 PD。尸检研究显示部分 ET 患者存在 Lewy 体病理，提示其中一部分可能患有前驱期 PD。当前诊断工具（DaTscan、SYNTap）或对早期疾病敏感性不足，或过于昂贵，或对常规筛查侵入性过强。Syn-One Test 提供了一种微创方法，可在皮肤活检中检测磷酸化 α-突触核蛋白（P-SYN）病理。主要目标：1. 识别哪些 ET 患者具有提示前驱期 PD 的 P-SYN 病理 2. 预测哪些患者
【主题与分类】
主题标签：Essential Tremor, Movement Disorders、Essential Tremor、Essential Tremor-plus。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/NCT07428447
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/NCT07428447
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：特发性震颤、运动障碍、特发性震颤、特发性震颤叠加综合征。
背景与依据 特发性震颤（ET）影响超过600万美国人，约5%的60岁以上成年人。与年龄匹配人群相比，ET患者发生帕金森病（PD）的风险高10-20倍，每年约有1%转化为PD。尸检研究显示，部分ET患者存在路易体病理，提示其中一部分可能处于PD前驱期。当前诊断工具（DaTscan、SYNTap）或对早期疾病敏感性不足，或过于昂贵，或对常规筛查而言侵入性过强。Syn-One检测提供了一种微创方法，可在皮肤活检中检测磷酸化α-突触核蛋白（P-SYN）病理。
主要目标 1. 确定哪些ET患者存在提示前驱期PD的P-SYN病理 2. 预测哪些患者最可能表型转化为PD
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。
