脑出血后触觉辅助虚拟现实上肢康复
该数据集来源于clinicaltrials.gov,是一项嵌入CrossReg-4-Health前瞻性多中心队列的探索性干预子研究,针对自发性脑出血后残留上肢运动障碍且临床稳定的患者

基本信息
资源简介
脑出血后触觉辅助虚拟现实上肢康复
该数据集来源于clinicaltrials.gov,是一项嵌入CrossReg-4-Health前瞻性多中心队列的探索性干预子研究,针对自发性脑出血后残留上肢运动障碍且临床稳定的患者。研究比较标准物理治疗与作业治疗基础上加用触觉辅助虚拟现实康复的效果,干预为期两周共10次、每次60分钟。数据可用于分析上肢运动功能恢复的干预效果,并支持康复结局的分类或预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑出血、出血性卒中、轻瘫。这是一项探索性干预子研究,嵌入CrossReg-4-Health自发性脑出血患者前瞻性多中心队列(已在ClinicalTrials.gov另行注册),在Interreg斯洛文尼亚-奥地利项目CrossReg-4-Health(资助号SIAT00307)内开展。参与者:100名队列参与者,存在残留上肢运动障碍,临床稳定且能够安全参与锻炼;子研究需另行获取书面知情同意。干预:两组均接受标准物理治疗和作业治疗,包括手法治疗技术、被动和主动辅助活动、肩胛骨活动及任务导向性上肢训练,以2周内10次、每次60分钟的形式提供。干预组额外接受
【主题与分类】
主题标签:Intracerebral Hemorrhage、Hemorrhagic Stroke、Paresis。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07882810
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/NCT07882810
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
条件:脑内出血、出血性卒中、轻瘫。这是一项探索性干预子研究,嵌套于CrossReg-4-Health前瞻性多中心自发性脑内出血患者队列(已在ClinicalTrials.gov单独注册),在Interreg斯洛文尼亚-奥地利项目CrossReg-4-Health(资助号SIAT00307)框架内开展。受试者:100名队列受试者,存在残余上肢运动功能障碍,临床状况稳定且能够安全参与锻炼;子研究需另行获取书面知情同意。干预:两组均接受标准物理治疗和作业治疗,包括手法治疗技术、被动及主动辅助活动、肩胛骨活动以及任务导向性上肢训练,以2周内10次、每次60分钟的形式实施。
干预组在每个训练环节中额外接受15分钟的监督下VR训练,使用Bimeo PRO系统(Kinestica d.o.o.,斯洛文尼亚),在平面上以单侧二维配置进行,包括三项任务导向练习(够取、追踪、迷宫导航),难度固定,额外总训练剂量为150分钟。记录训练频率、时长、训练次数、依从性和不良事件。分组:参与者被分配到两组,不进行随机化。上肢结局评估由对分组不知情的评估者进行。评估在基线和两周干预期后进行。FMA-UE、WMFT和握力方面的组间差异将通过基线校正回归模型进行估计,并以95%置信区间报告。可行性、依从性、耐受性和不良事件将进行描述性总结。该子研究未针对确定性疗效进行把握度计算;结果用于生成假设,并将为未来试验的设计提供参考。
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。




