通过技术创新实现老年卒中康复的创新模式

数据集获取

源站：https://clinicaltrials.gov/study/NCT04087083

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、老龄化问题、基于机器人技术的创新康复治疗。卒中是老年人残疾、损伤和死亡的主要原因，也是一个重大的公共卫生问题，带来沉重的医疗和经济负担。卒中的发病率随年龄增长而迅速上升，55岁以后每增加10年发病率翻倍。步态障碍是卒中后最重要的问题之一，改善步行功能通常是任何康复计划的关键组成部分。为实现这一目标，机器人步态训练器似乎前景广阔。事实上，一些研究强调了基于末端执行器技术的机器人步态训练对不同疾病，尤其是卒中患者的疗效。在这项随机对照试验中，我们验证机器人治疗在改善步态、降低跌倒风险方面的疗效及其长期效果。

在这项单盲随机对照试验中，研究人员将纳入150名老年亚急性中风患者，分为两组，分别接受传统康复方案或在传统疗法基础上使用G-EO系统——一种用于步态康复的末端执行器设备——进行的机器人康复治疗。将进行20次治疗，分为每周3次训练，持续7周。对照组将进行持续50分钟的传统治疗。使用G-EO系统的技术干预组将进行30分钟的传统治疗和20分钟的机器人系统治疗。研究的主要结果是评估跌倒风险。次要结果包括步态改善和跌倒恐惧的评估。还将进行进一步评估，如步长和不对称性、行走和功能状态、技术接受度。

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。