用于语音与健康监测的数字应用

数据集获取

源站：https://clinicaltrials.gov/study/NCT06450418

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：痴呆、运动神经元病、多发性硬化、帕金森病。本项目旨在为以下方面创建新型的基于语音的解决方案：1）早期检测，2）监测，以及3）包括痴呆、运动神经元病（MND）、帕金森病（PD）和多发性硬化（MS）在内的神经退行性疾病的分层。研究者将开发并验证源自声学数据的概念验证及早期阶段算法，这些算法将在深度表型化人群中扩大规模并进行测试。2.2 目标 主要目标 1. 部署并迭代一个数字平台，该平台与神经退行性疾病患者共同制作，用于从特征明确的神经退行性疾病患者队列（痴呆、运动神经元病、多发性硬化、帕金森病）以及健康对照队列（包括亲属/照护者和无神经系统诊断的志愿者）中采集语音数据，并与我们在Anne Rowling再生神经病学诊所高度精选的临床登记系统相链接。2.

从特征明确、患有神经退行性疾病（痴呆、运动神经元病/肌萎缩侧索硬化、多发性硬化、帕金森病）的人群以及健康对照队列（包括亲属/照护者和无神经系统诊断的志愿者）中收集大量声学语音数据，并与高度规范化的临床登记系统相关联。3. 将机器学习方法直接应用于来自痴呆、运动神经元病、多发性硬化、帕金森病患者以及健康对照者（包括亲属/照护者和无神经系统诊断的志愿者）语音的声学和语言信号，并在不明确参照所说文本的情况下刻画韵律模式（节奏、语调和流畅度），从而提供关于说话者健康状况的有力线索。4. 将基于语音的数字结局指标与当前临床标准进行比较，以刻画并验证其临床计量学特性。次要目标 1. 评估数字结局指标平台在以下人群中的可行性和可接受性

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。