连接组学引导的帕金森病DBS

数据集获取

源站：https://clinicaltrials.gov/study/NCT06618157

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病：帕金森病、震颤、运动障碍。帕金森病（PD）患者除了疾病的非运动症状外，还可能因震颤、强直、运动迟缓或运动波动而遭受显著的功能障碍。深部脑刺激（DBS）是美国食品药品监督管理局（FDA）批准用于治疗药物难治性PD的主要手术方法。尽管近期取得了进展，但DBS参数的选择仍基于专家数月来的试错实验。更好地理解症状控制的最佳网络靶点将有助于改进治疗并简化DBS编程过程，提高效率，并可能增加获得治疗的机会。PD中大多数结构连接性研究都集中在丘脑底核（STN）的分析上。先前分析STN DBS结构连接性的研究表明，特定的运动症状受益于不同网络的激活。小脑丘脑束（CBT）、苍白球丘脑束（PT）和皮质脊髓束（CST）等多条纤维束穿过STN，可能与DBS靶向相关。

对于特发性震颤患者，刺激CBT可能提供更好的震颤控制，但针对帕金森病的研究尚缺乏。研究者将使用连接组学模型，以更好地理解帕金森病中STN轴突通路的机制特性，并满足帕金森病中表型驱动刺激的需求。利用连接组学模型估计靶向轴突通路，可能指导个性化决策和DBS的靶向定位。这有可能改善临床结果，并减少DBS优化所需的就诊次数。该研究涉及提取常规临床护理期间收集的数据，以及干预研究期间收集的数据。常规临床护理期间收集的数据包括：* 人口学特征：年龄、性别、族裔、种族。* 临床特征：病程

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。