慢性卒中远端与近端平衡训练对比研究
本数据集来自 clinicaltrials.gov,收录一项前瞻性、参与者和评估者盲法的两组平行随机对照试验,研究对象为46名65至85岁慢性卒中患者,按1:1随机分为远端平衡训练(DBT)组和近端平衡训练(PBT)组,每组23人

基本信息
资源简介
慢性卒中远端与近端平衡训练对比研究
本数据集来自 clinicaltrials.gov,收录一项前瞻性、参与者和评估者盲法的两组平行随机对照试验,研究对象为46名65至85岁慢性卒中患者,按1:1随机分为远端平衡训练(DBT)组和近端平衡训练(PBT)组,每组23人。所有参与者均接受标准化50分钟多模式康复方案,包括30分钟Bobath治疗性训练、10分钟神经肌肉电刺激(NMES)和10分钟功率自行车训练,并额外接受每周5天、持续4周的15分钟技术辅助平衡训练。DBT组使用Technobody Prokin系统进行基于踝策略的平衡训练。该数据可用于比较两种平衡训练方式在慢性卒中康复中的效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:慢性卒中。这项前瞻性、参与者和评估者盲法的两组平行随机对照试验纳入了46名65至85岁的慢性卒中参与者。参与者按1:1比例随机分配至远端平衡训练(DBT)或近端平衡训练(PBT),每组23人。所有参与者均接受标准化的50分钟多模式康复方案,包括30分钟基于Bobath的治疗性训练、10分钟神经肌肉电刺激(NMES)和10分钟功率自行车训练。此外,参与者接受15分钟技术辅助平衡训练,每周5天,持续4周。DBT组的参与者使用Technobody Prokin系统接受基于踝策略的平衡训练。训练包括互动式“Game Pong”任务,要求协
【主题与分类】
主题标签:Chronic Stroke。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05173389
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/NCT05173389
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:慢性卒中。这项前瞻性、参与者和评估者盲法的两组平行随机对照试验纳入46名年龄65-85岁的慢性卒中参与者。参与者按1:1比例随机分配至远端平衡训练(DBT)或近端平衡训练(PBT),每组23名参与者。所有参与者接受标准化的50分钟多模式康复方案,包括30分钟基于Bobath的治疗性运动、10分钟神经肌肉电刺激(NMES)和10分钟自行车功率计训练。此外,参与者接受15分钟技术辅助平衡训练,每周5天,持续4周。DBT组参与者使用Technobody Prokin系统接受基于踝策略的平衡训练。训练包括交互式“Game Pong”任务,要求控制前后和内外侧平台位移。PBT组参与者使用TheraTrainer Balo设备接受基于髋策略的平衡训练,该设备在多方向躯干和骨盆控制任务中提供视觉反馈。
功能结局采用计时起立-行走测试(TUG)、5次重复坐立测试(SST)和功能独立性评定(FIM)进行评估。平衡功能采用Berg平衡量表(BBS)、功能性前伸测试(FRT)、躯干损伤量表(TIS)和单腿站立测试(SLST)进行评估。姿势摇摆采用Technobody测力平台进行评估,姿势对线采用PostureScreen Mobile应用程序进行评估。认知状况采用标准化简易智力测试(SMMT)进行评估,该测试在治疗前实施一次。所有其他结局评估均在基线时和康复4周后进行。
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。




