肌张力障碍/帕金森综合征中的影像学神经黑色素与铁
该数据集来自 clinicaltrials.gov,聚焦于以肌张力障碍/帕金森综合征为主要表现的综合征,涵盖散发性肌张力障碍、家族性肌张力障碍、青少年帕金森病、伴脑铁沉积的神经退行性变5型及线粒体病等

基本信息
资源简介
肌张力障碍/帕金森综合征中的影像学神经黑色素与铁
该数据集来自 clinicaltrials.gov,聚焦于以肌张力障碍/帕金森综合征为主要表现的综合征,涵盖散发性肌张力障碍、家族性肌张力障碍、青少年帕金森病、伴脑铁沉积的神经退行性变5型及线粒体病等。研究拟对多巴反应性肌张力障碍、散发及遗传性肌张力障碍等临床难以与青少年型帕金森病区分的群体,应用铁或神经黑色素敏感MR成像。数据可用于探索影像标志物在鉴别诊断中的价值,辅助区分不同预后与治疗需求的疾病(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:散发性肌张力障碍、家族性肌张力障碍、青少年帕金森病、伴脑铁沉积的神经退行性变5型、线粒体病。铁或神经黑色素敏感MR成像尚未被一致地应用于以肌张力障碍/帕金森综合征为主要表现的综合征的研究。我们计划研究以下组别,因为仅凭临床依据,它们往往很难与PD,特别是青少年型PD区分: 多巴反应性肌张力障碍(DRD)可表现为类似青少年型PD,但由于根本的生理机制不同,其预后完全不同,治疗需求也不同。 散发性和遗传性肌张力障碍(即由TorsinA(DYT1)和其他基因突变引起)常表现为肌张力障碍,尤其影响腿部,临床上与青少年型无法区分
【主题与分类】
主题标签:Sporadic Dystonia、Dystonia, Familial、Parkinson Disease, Juvenile、Mitochondrial Diseases。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/NCT03572114
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/NCT03572114
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:散发性肌张力障碍、家族性肌张力障碍、青少年帕金森病、脑铁累积伴神经退行性变5型、线粒体疾病。铁敏感或神经黑色素敏感MR成像尚未一致地应用于以肌张力障碍/帕金森综合征为主要表现的综合征研究。我们计划研究以下群体,因为仅凭临床依据,这些群体往往很难与帕金森病,特别是早发性帕金森病区分开来:* 多巴反应性肌张力障碍(DRD)的表现可能与早发性帕金森病相似,但其预后完全不同,由于根本的生理机制不同,因此需要不同的治疗要求。* 散发性和遗传性肌张力障碍(即由TorsinA(DYT1)和其他基因突变引起)通常表现为肌张力障碍,尤其影响腿部,临床上与早发性帕金森病无法区分。* 早发性帕金森病,即在45岁之前出现运动症状的帕金森病,由家族性基因突变(PARKIN、Pink、DJ-1、PLA2G6、FBX07、ATP13A2、VPS13C、RAB39B、Lubag)引起,通常表现为以肌张力障碍为主,尤其是腿部起病。
- 表现为肌张力障碍/帕金森综合征的NBIA:虽然基底节铁积累是该病已知的标志性特征[3],但神经黑色素调节的特点尚不清楚。
- 表现为肌张力障碍/帕金森综合征的线粒体病(例如,由Surf-1基因突变或m.3243A>G或POLG突变引起的Leigh综合征)[4]
- 相应的年龄和性别匹配的健康对照
本研究旨在获取关于这些疾病实体的初步数据。通过可能加速诊断过程和疾病实体的识别,神经科医生或许能够提供更具选择性和针对性的治疗。此外,结合神经黑色素和铁特异性成像,将为研究这些罕见病症中铁稳态的疾病特异性动态提供可能性。
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。
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。




