UAB帕金森病神经炎症TSPO-PET子研究
该数据集来自clinicaltrials.gov,为阿拉巴马大学伯明翰分校(UAB)帕金森病神经炎症TSPO-PET子研究

基本信息
资源简介
UAB帕金森病神经炎症TSPO-PET子研究
该数据集来自clinicaltrials.gov,为阿拉巴马大学伯明翰分校(UAB)帕金森病神经炎症TSPO-PET子研究。研究使用小分子易位蛋白(TSPO)配体18F-DPA-714进行PET成像,可视化和量化参与UAB帕金森病先天与适应性免疫研究及帕金森病队列纵向18F-DPA-714成像研究的个体的神经炎症。受试者包括临床诊断的帕金森病患者和健康对照,旨在探讨免疫系统尤其是先天免疫系统在帕金森病病理生理中的作用。数据可用于帕金森病神经炎症的影像学分析和免疫机制研究(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。本临床影像子研究将使用小分子易位蛋白(TSPO)配体18F标记的DPA-714,可视化和量化参与UAB帕金森病先天与适应性免疫(临床研究核心)和帕金森病队列纵向18F-DPA-714成像研究的个体的神经炎症。UAB帕金森病先天与适应性免疫(临床研究核心)研究和帕金森病队列纵向18F-DPA-714成像研究是分别由UAB IRB审查的独立研究(分别为IRB-300001745和IRB-300011684,PI Yacoubian)。每项研究包括临床诊断的帕金森病患者和健康对照。本子研究将检查免疫系统,特别是先天免疫系统,在帕金森病病理生理中的作用。TSPO在神经炎症中增加
【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/NCT03457493
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/NCT03457493
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
条件:帕金森病。本临床影像学子研究将使用小分子转运蛋白(TSPO)配体——18F标记的DPA-714,对参与UAB帕金森病先天性与适应性免疫研究(临床研究核心)及帕金森病队列纵向18F-DPA-714成像研究的个体进行神经炎症的可视化与定量分析。UAB帕金森病先天性与适应性免疫研究(临床研究核心)与帕金森病队列纵向18F-DPA-714成像研究为两项独立研究,分别经UAB IRB审查(IRB-300001745与IRB-300011684,主要研究者Yacoubian)。每项研究均纳入临床诊断为帕金森病的患者及健康对照者。本子研究将探讨免疫系统,尤其是先天免疫系统,在帕金森病病理生理学中的作用。TSPO在神经炎症期间表达增加,是活化小胶质细胞的标志物。
PET示踪剂[18F]DPA-714将用于对研究参与者脑内的神经炎症进行成像,并与通过参与UAB帕金森病先天性和适应性免疫研究(临床研究核心)以及帕金森病队列纵向18F-DPA-714成像研究收集的临床数据进行关联分析。研究参与者将被分为三个队列:100名帕金森病患者和100名健康志愿者将纳入UDALL基线队列;来自UDALL基线队列的67名帕金森病患者将纳入UDALL 5年随访队列;5名帕金森病患者将纳入代谢物分析队列。UDALL基线队列)通过纳入UAB神经炎症帕金森病研究而符合资格的参与者将签署知情同意书,接受一次性DPA-714 PET/MRI成像。成像结果将与帕金森病先天性和适应性免疫研究(临床研究核心)中的人口统计学资料以及临床和生物样本评估结果进行关联分析。在基线队列中,我们正在招募受试者以检查
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。




