帕金森病 PET 扫描研究
该数据集来自 clinicaltrials.gov,聚焦帕金森病与精神分裂症相关的 PET 影像研究。研究采用 6-[F-18] Fluoro-L-dopa(FDOPA)和 (15)0-H2O 在单次扫描中评估突触前多巴胺能功能与局部脑血流(rCBF),计算纹状体等区域突触前多巴胺摄取的动力学速率常

基本信息
资源简介
帕金森病 PET 扫描研究
该数据集来自 clinicaltrials.gov,聚焦帕金森病与精神分裂症相关的 PET 影像研究。研究采用 6-[F-18] Fluoro-L-dopa(FDOPA)和 (15)0-H2O 在单次扫描中评估突触前多巴胺能功能与局部脑血流(rCBF),计算纹状体等区域突触前多巴胺摄取的动力学速率常数 Ki,并比较不同受试者组间的 Ki 及其与 rCBF 的关联,同时结合感兴趣基因的等位变异进行分析。数据可用于帕金森病与精神分裂症谱系障碍的脑功能与影像遗传学研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:精神分裂症、帕金森病。这是一项体内正电子发射断层扫描(PET)研究,针对正常志愿者、帕金森病患者(家族性和散发性)以及精神分裂症谱系障碍患者,评估局部脑多巴胺和血流。后者还签署同意 NIH 批准的方案 89-M-0160“神经精神科患者住院评估”,PI:Daniel Eisenberg,M.D.。在单次扫描会话中使用 PET 与 6-[F-18] Fluoro-L-dopa(FDOPA)和 (15)0-H2O,评估突触前多巴胺能功能和局部脑血流(rCBF)。计算纹状体和其他区域突触前多巴胺摄取的动力学速率常数(Ki)。我们比较受试者组间的 Ki,并将发现与 rCBF 关联。发现还与感兴趣基因的等位变异相关联,以确定哪些参与者
【主题与分类】
主题标签:Schizophrenia、Parkinson's 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/NCT00024622
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/NCT00024622
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:精神分裂症、帕金森病。这是一项体内正电子发射断层扫描(PET)研究,旨在探讨正常志愿者、帕金森病患者(家族性和散发性)以及精神分裂症谱系障碍患者局部脑多巴胺和脑血流的状况。后者还需签署同意书,参与NIH批准的方案89-M-0160,“神经精神科住院患者的评估”,主要研究者:Daniel Eisenberg医学博士。通过在一次扫描会话中使用6-[F-18]氟-L-多巴(FDOPA)和(15)O-H2O进行PET检查,评估突触前多巴胺能功能和局部脑血流(rCBF)。计算纹状体及其他区域突触前多巴胺能摄取的动力学速率常数(Ki)。我们比较不同受试者组间的Ki值,并将结果与rCBF关联。研究结果还与感兴趣基因的等位变异相关联,为此,确定哪些参与者需单独签署同意书,参与NIH批准的方案95-M-0150,“精神分裂症谱系障碍患者及其兄弟姐妹的神经生物学研究”,主要研究者:Karen F. Berman医学博士。我们还对遗传性与散发性帕金森病受试者进行比较。
研究采用PET技术对散发性帕金森病患者进行检查,以判断两组间的PET表型是否一致,并对比帕金森病与精神分裂症群体在系统层面、基于回路的病理生理学差异。每位受试者还需接受MRI筛查,以排除结构性异常,并进一步明确PET扫描中的感兴趣区域。
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。




