双侧与单侧日常生活活动中的手臂运动控制

数据集获取

源站：https://clinicaltrials.gov/study/NCT02778529

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：卒中、周围神经病变、脊髓损伤、脑性瘫痪。横断面研究，比较卒中幸存者、脊髓损伤截瘫患者、上肢截肢者、成人脑性瘫痪患者及健康对照者的双侧ADL活动。研究参与者将使用BiAS被动机器人执行4项ADL任务。通过这些任务，BiAS机器人将提供有关位置、速度、距离、位移等信息。这些信息，连同3D Kinect和EEG神经头戴设备提供的视频信息，将作为研究者数据的基础，并有助于让研究团队成员了解相应损伤如何影响ADL任务中的上肢运动学。参与研究将包括以下步骤：1. 知情同意：到达后，受试者将在研究人员在场的情况下审阅并签署同意书。2. 预评估：研究团队成员将评估受试者的上肢并评估其使用能力。受试者将使用一系列评估工具进行评估，例如包括但不限于Box and Block、Pin and Prick，以及使用测力计进行握力评估。3.

休息：受试者将获得15分钟休息。4. BiAS被动机器人系统：将向受试者介绍该设备，并将每只手腕放置到每个机器人的末端。当受试者执行常规治疗任务时，BiAS设备将采集数据，同时采集来自3D Kinect的视频、ECG凝胶电极和EEG神经头套的数据。在4项ADL活动中的每一项之后，将询问受试者的运动水平和不适程度（如有）。受试者完成所有使用BiAS的练习后，将感谢其参与本研究。5. 可能采集视频和照片，以判定受试者ADL动作的质量。

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。