帕金森病与REM行为障碍嗅觉测试的机器学习研究

数据集获取

源站：https://search.dataone.org/view/sha256%3A7763d1ac729c4d2bd58dd733d40005bf4c1b0caee5bd627862ad76cf73e8bad0

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

目的：我们试图确定一种简化的嗅觉受损测试，适用于繁忙临床环境中对前驱期（孤立性REM睡眠行为障碍（iRBD））和显性帕金森病的评估。方法：发现队列研究中的890名PD参与者和313名对照参与者接受了Sniffin’ stick气味识别评估。最初使用全部16根Sniffin’ sticks训练随机森林，以区分嗅觉能力差（功能性嗅觉缺失/嗅觉减退）和嗅觉能力好（嗅觉正常/超级嗅觉者）的个体。随后使用按预测因子重要性排序的前3根sticks重新训练模型。随机选择的一个3-stick模型在第二个独立的帕金森病数据集（n=452）和两个iRBD数据集（发现队列n=241；Marburg n=37）中进行了测试，然后与先前描述的简化Sniffin’ stick组合进行比较。结果：在区分嗅觉能力差与好方面，与前3根sticks相关的总体曲线下面积（AUC）值（Ani…

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。