特发性震颤综合征中疾病亚型与疾病进展标志物的识别

数据集获取

源站：https://clinicaltrials.gov/study/NCT06349538

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

条件：特发性震颤。这项观察性研究的目标是了解特发性震颤（ET）患者的流行病学、生物学标志物、疾病亚型及可能的预后因素。其主要旨在回答的问题包括：* 在前瞻性收集的ET人群中，ET-plus与ET的患病率比较。* 通过综合临床（运动和non-motor量表、问卷）、影像学[磁共振成像（MRI）、黑质及脑血管超声]、神经生理学（震颤分析、数字螺旋绘图）和实验室标志物（sGFAP、sNfL、常规实验室参数）详细评估异质性ET患者群体。* 评估ET患者中可能的神经退行性变非侵入性标志物（光学相干断层扫描、嗅黏膜中的α-突触核蛋白）。参与者将被要求在基线时及大约5年后的随访时接受上述评估。研究人员将把ET组内的发现与独立存在的健康对照组和/或患有其他运动障碍如帕金森病的患者队列进行比较。

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。