康复中技术实施的探索性研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT04833088

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

条件：卒中、帕金森病、Covid19、忽视症、偏侧空间。研究设计基于上述用户场景，将开展一项探索性定性研究，调查患者和医疗保健专业人员在智能设备开发中的建议和需求。将在UZ Brussel和AZ Sint Maria Halle组织焦点小组，从参与者处收集数据。这些讨论将持续进行，直至达到数据饱和。根据预期，研究者估计每个用户场景平均需要3个焦点小组。这些焦点小组讨论中提出的建议将被分析并在实验室中进行测试，以确定哪些智能设备适合用于康复。这些数据还将用于开发将植入智能设备的人工智能算法。用户场景第一个场景侧重于对空间忽视患者上肢运动的记录和触发。目标是开发一种低成本的智能设备，用于刺激和分析患侧运动，并在需要时提供反馈。

第二个用户场景旨在结合不同的智能设备和AI算法，创建一种可安装在助行器上的移动设备。该智能设备将通过视觉和听觉提示，在步幅长度和步频方面提供反馈。传感器分析与计算机视觉相结合，将监测患者的步态模式并在需要时进行纠正。这些传感器还将集成跌倒检测系统，在检测到跌倒时发出信号。第三个也是最后一个场景描述了一种智能静脉（IV）输液架，它监测患者相对于输液架的位置，并在行走过程中自动跟随患者。该设备由放置在患者身上的追踪器和加速度计，以及一个通过计算机视觉跟随患者并避开障碍物的电动输液架组成。此外，还将集成跌倒检测系统以监测

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。