神经病患者改良视觉输入的平衡康复

数据集获取

源站：https://clinicaltrials.gov/study/NCT03881930

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

病症：神经病变、共济失调、本体感觉障碍、平衡障碍；扭曲。慢性获得性脱髓鞘性神经病患者可能因行走时不稳或跌倒而被转诊。其中一些患者主诉感觉异常、感觉减退。这些患者中的大多数，由于大感觉纤维受累，存在深、浅感觉障碍（感觉减退或感觉缺失），这解释了本体感觉性共济失调和平衡障碍。在特定情境下，个体依靠感觉信息维持平衡，其中可能需要选择最适合当前情境的信息。良好的平衡控制取决于选择最佳信息的能力，但许多受试者不具备或已丧失这种能力，过于系统地优先考虑同一感觉输入。这就是所谓的感觉偏好或感觉特征，因人而异。最常见的行为是视觉依赖。这种视觉依赖倾向已在不同的病理情况中被描述，尤其是在中风后。

研究表明，在视觉剥夺条件下进行特定康复训练，可以减少卒中患者的视觉依赖，改善平衡能力和步行独立性。研究者在既往研究中已证实，慢性获得性脱髓鞘性神经病患者存在共济失调症状并表现出视觉依赖行为，同时其本体感觉通路对振动刺激仍保持良好的敏感性。这种仍然存在的本体感觉潜能似乎未被充分利用。周围神经病患者的康复涉及多种技术，如肌力强化、振动、虚拟现实、太极、电刺激等。然而，某些技术，例如使用虚拟现实或视觉生物反馈，往往会增加对视觉输入的依赖，这可能对其他输入产生不利影响。据我们所知，通过操控视觉输入来针对性治疗这些患者平衡障碍的方法尚未

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。