急性缺血性卒中早期无创脑机接口康复的安全性和有效性
一项单中心前瞻性随机假对照先导试验,评估急性缺血性卒中早期无创脑电脑机接口(EEG-BCI)康复的疗效、安全性与可行性。纳入18~80岁、优势手侧单侧上肢运动障碍、FMA-UE 10~50分且发病48~72小时稳定者

基本信息
资源简介
急性缺血性卒中早期无创脑机接口康复的安全性和有效性
一项单中心前瞻性随机假对照先导试验,评估急性缺血性卒中早期无创脑电脑机接口(EEG-BCI)康复的疗效、安全性与可行性。纳入18~80岁、优势手侧单侧上肢运动障碍、FMA-UE 10~50分且发病48~72小时稳定者。按1:1随机接受真实或假EEG-BCI加标准早期康复,训练10天、每日2次、每次约30分钟。主要结局为30天FMA-UE变化;并评估安全性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:急性缺血性卒中、卒中康复。本研究是一项单中心、前瞻性、随机、假对照的试点临床研究,旨在评估早期基于脑电图的无创脑机接口(EEG-BCI)康复训练在急性缺血性卒中患者中的有效性、安全性和可行性。符合条件的参与者为18至80岁成人,患有急性缺血性卒中,优势手侧存在单侧上肢运动障碍,基线Fugl-Meyer上肢评估(FMA-UE)评分为10至50分,并在卒中发病后48至72小时确认临床稳定。参与者将按1:1比例随机分配,接受真实EEG-BCI训练加标准早期康复,或假BCI训练加标准早期康复。两组均将接受为期10天的训练,每天2次,每次约30分钟。主要结局是从基线至随机分组后30天FMA-UE评分的变化。次要结局包括FMA-UE、上肢动作研究测试(ARAT)、美国国立卫生研究院卒中量表(NIHSS)、改良Barthel指数(MBI)和改良Rankin量表(mRS)的变化。安全性结局包括症状性颅内出血、任何颅内出血、神经功能恶化、癫痫发作、跌倒、心血管事件和训练相关不良事件。这项试点研究旨在提供关于急性缺血性卒中后早期EEG-BCI康复的可行性、安全性和潜在疗效的初步证据,并为未来多中心随机对照试验的设计提供依据。
【主题与分类】
主题标签:Acute Ischemic Stroke、Stroke Rehabilitation。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07585058
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/NCT07585058
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:急性缺血性卒中、卒中康复。本研究是一项单中心、前瞻性、随机、假对照的试点临床研究,旨在评估早期基于脑电图的无创脑机接口(EEG-BCI)康复训练在急性缺血性卒中患者中的有效性、安全性和可行性。符合条件的参与者为18至80岁成人,患有急性缺血性卒中,优势手侧存在单侧上肢运动障碍,基线Fugl-Meyer上肢评估(FMA-UE)评分为10至50分,并在卒中发病后48至72小时确认临床稳定。参与者将按1:1比例随机分配,接受真实EEG-BCI训练加标准早期康复,或假BCI训练加标准早期康复。两组均将接受为期10天的训练,每天2次,每次约30分钟。主要结局是从基线至随机分组后30天FMA-UE评分的变化。次要结局包括FMA-UE、上肢动作研究测试(ARAT)、美国国立卫生研究院卒中量表(NIHSS)、改良Barthel指数(MBI)和改良Rankin量表(mRS)的变化。安全性结局包括症状性颅内出血、任何颅内出血、神经功能恶化、癫痫发作、跌倒、心血管事件和训练相关不良事件。这项试点研究旨在提供关于急性缺血性卒中后早期EEG-BCI康复的可行性、安全性和潜在疗效的初步证据,并为未来多中心随机对照试验的设计提供依据。
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。




