PPMI中[18F]DPA-714纵向TSPO PET成像

研究覆盖前驱期与早期显性帕金森病患者及健康志愿者,比较示踪剂结合情况,并评估24个月间隔内的纵向变化,同时分析其与PPMI临床及生物标志物结局的相关性,并采集注射后安全性数据

University of Alabama at BirminghamUniversity of Alabama at Birmingham
clinicaltrials
浏览 8
其他回归Parkinson Disease
Longitudinal TSPO PET Imaging With [18F]DPA-714 in PPMI (PPMI DPA-714 PET Imaging)

基本信息

模态
其他
任务类型
回归
创建/更新时间
2026-10-20

资源简介

PPMI中[18F]DPA-714纵向TSPO PET成像

该数据集来自clinicaltrials.gov,聚焦帕金森病,采用[18F]DPA-714示踪剂进行纵向TSPO PET成像。研究覆盖前驱期与早期显性帕金森病患者及健康志愿者,比较示踪剂结合情况,并评估24个月间隔内的纵向变化,同时分析其与PPMI临床及生物标志物结局的相关性,并采集注射后安全性数据。可用于神经炎症相关影像标志物研究及帕金森病进展分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:帕金森病。本方案的总目标是研究[18F]DPA-714在前驱期和早期显性帕金森病(PD)中的结合情况,并确定PD参与者在24个月间隔内的基线及相对于基线的[18F]DPA-714结合变化。主要目标 比较前驱期和显性PD患者与健康志愿者中的[18F]DPA-714结合。 确定前驱期和早期初始未治疗PD参与者在24个月间隔内[18F]DPA-714的纵向变化。次要目标 评估基线[18F]DPA-714与PPMI临床和生物标志物结局之间的相关性。 评估[18F]DPA-714的纵向变化与PPMI临床和生物标志物结局之间的相关性。 * 获取注射[18F]DPA-714后的安全性数据。

【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/NCT06289582

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06289582

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。本方案的总目标是研究[18F]DPA-714在帕金森病(PD)前驱期和早期显性阶段的结合情况,并确定PD参与者在24个月期间[18F]DPA-714结合的基线和相对于基线的变化。主要目标 * 比较前驱期和显性PD患者及健康志愿者中[18F]DPA-714的结合情况。 * 确定前驱期和早期初治PD参与者在24个月期间[18F]DPA-714的纵向变化。次要目标 * 评估基线[18F]DPA-714与PPMI临床和生物标志物结果之间的相关性。 * 评估[18F]DPA-714的纵向变化与PPMI临床和生物标志物结果之间的相关性。 * 获取注射[18F]DPA-714后的安全性数据。

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。

获取专属数据定制方案