帕金森病影像生物标志物研究
该数据集来自 clinicaltrials.gov,聚焦帕金森病(PD)的影像生物标志物研究。研究通过多模态神经影像,分两部分开展:第一部分以病例对照方式比较 PD 受试者与健康志愿者的脑图像;第二部分在随后 9 年内,将临床定义的 PD 受试者、前驱期帕金森病受试者及健康志愿者的系列脑图像发现与临

基本信息
资源简介
帕金森病影像生物标志物研究
该数据集来自 clinicaltrials.gov,聚焦帕金森病(PD)的影像生物标志物研究。研究通过多模态神经影像,分两部分开展:第一部分以病例对照方式比较 PD 受试者与健康志愿者的脑图像;第二部分在随后 9 年内,将临床定义的 PD 受试者、前驱期帕金森病受试者及健康志愿者的系列脑图像发现与临床评估进行对比。该探索性研究旨在为 PD 病理的假设驱动研究提供依据,并揭示影像结果随时间的变化及其与疾病进展的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:帕金森病。目标:本方案旨在通过多模态神经影像研究,评估用于帕金森病(PD)诊断和疾病进展评估的可能影像生物标志物。该研究将分为两部分:1. 第一部分:采用病例对照分析,使用多种影像技术比较 PD 受试者与健康志愿者(HVs)的脑图像。2. 第二部分:在随后 9 年内,将系列脑图像的发现与临床定义的 PD 受试者、前驱期帕金森病受试者及健康志愿者的临床评估进行对比。这项探索性研究的发现将有助于开展更多假设驱动的 PD 病理研究。PD 患者将提供关于影像结果如何随时间变化及其与疾病进展关系的信息;具有前驱症状的患者
【主题与分类】
主题标签:Parkinson Disease。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/NCT01496599
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/NCT01496599
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。目的:本方案旨在通过多模态神经影像学研究,评估用于帕金森病(PD)诊断和疾病进展评估的潜在影像生物标志物。本研究分为两部分:1. 第一部分:采用病例对照分析,使用多种影像技术比较PD受试者与健康志愿者(HVs)的脑部图像。2. 第二部分:在接下来的9年中,将系列脑部图像的发现与临床定义的PD受试者、前驱期帕金森病受试者及健康志愿者的临床评估进行比较。这项探索性研究的发现将有助于开展更多假设驱动的PD病理学研究。PD患者将提供关于影像学结果随时间变化及其与疾病进展关系的信息;前驱期症状患者将提供关于哪些影像模式/分析可能预测PD临床表现的信息;健康志愿者将作为受试者衰老及扫描仪功能所致技术变化的对照。
研究人群:第1部分(病例对照研究):38名符合帕金森病MSD临床诊断标准的患者,以及38名年龄匹配的健康志愿者(HVs)作为对照。第2部分(纵向研究):我们将在接下来的9年内定期继续研究第1部分中符合条件的受试者。我们还将研究38名符合帕金森病MDS前驱期标准的受试者,持续时间最长可达9年。设计:第1部分:(病例对照研究)。符合条件的参与者将进行为期1至3天的访视。他们将接受临床评估和磁共振(MR)扫描。第2部分:(纵向研究)。-参与者将被随访长达9年。每次访视将持续2-3天,期间他们将完成多项门诊检查。访视将按以下计划安排:–无神经系统疾病的受试者(HV)将每三年进行一次访视,总计9年。–患有
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。




