卒中后踝关节机器人误差增强

数据集获取

源站：https://clinicaltrials.gov/study/NCT07804342

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：慢性卒中。这是一项单臂初步研究，评估在慢性卒中成人步态训练期间，对偏瘫侧踝关节推进力进行机器人误差增强的效果。十名患有慢性（>6个月）卒中且存在残余踝关节无力的参与者将使用AMBLE便携式踝关节外骨骼完成30次训练。评估在基线时、15次训练后和30次训练后进行。假设是，30次机器人辅助跑台步态训练可增强偏瘫侧踝关节跖屈推进力矩和步态对称性。约半数卒中幸存者遗留慢性移动障碍，通常涉及踝关节无力，这会损害行走并增加跌倒风险。当前治疗依赖于踝足矫形器、功能性电刺激、手杖和助行器，但这些均未解决踝关节运动控制的潜在缺陷。偏瘫侧跖屈肌无力限制了支撑末期蹬离，减少向前推进，并导致步行速度下降和步态不对称。

研究者此前开发了 AMBLE，这是一种轻便的便携式踝关节外骨骼，采用基于阻抗的控制并结合实时步态事件检测，以在步态周期的特定时相输出同步扭矩。该团队既往使用基于实验室的和便携式踝关节机器人的工作以背屈为目标，证明其在早期和慢性卒中患者中均减少了足下垂并改善了地面步行，而本研究则扩展了对该设备的一项正在进行的临床研究（NCT04594837）。此前尚未用 AMBLE 针对偏瘫侧跖屈推进。近期的工程改进使步态蹬离期能够提供分级阻力，从而可研究对偏瘫侧踝关节推进施加误差增强能否增强行走时的向前推进。训练课程包括两节10分钟的跑台步行，速度逐渐增加，并……

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。