虚拟现实评估与治疗惊恐障碍患者平衡障碍
源站描述介绍了焦虑障碍的总体特征与流行病学数据,指出其终身患病率最高,年患病率为17.7%,并涵盖特定恐惧症、强迫症、创伤后应激障碍、广泛性焦虑和惊恐障碍五类主要精神障碍,其中重点为惊恐障碍

基本信息
资源简介
虚拟现实评估与治疗惊恐障碍患者平衡障碍
该数据集来自 clinicaltrials.gov,聚焦于惊恐障碍(Panic Disorder)与本体感觉障碍(Proprioceptive Disorders)患者,研究使用虚拟现实(VR)评估与治疗平衡障碍。源站描述介绍了焦虑障碍的总体特征与流行病学数据,指出其终身患病率最高,年患病率为17.7%,并涵盖特定恐惧症、强迫症、创伤后应激障碍、广泛性焦虑和惊恐障碍五类主要精神障碍,其中重点为惊恐障碍。该数据可用于探索VR干预在精神疾病相关平衡问题中的应用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:惊恐障碍、本体感觉障碍。引言:焦虑障碍是一组以过度且异常的模糊忧虑感为特征的疾病,伴随压力与不安(Berrios 1999)。作为一个类别,焦虑障碍被发现具有最高的终身患病率,即它们是最常见的一类精神障碍(Kessler et al. 2010),一年患病率为17.7%(Kessler et al. 2005)。这类障碍由五种主要精神障碍组成:特定恐惧症、强迫症、创伤后应激障碍、广泛性焦虑和惊恐障碍——研究者将重点关注后者。惊恐障碍(PD)是一种慢性疾病,其特征是自发、意外地发生惊恐发作,即强烈恐惧的时期,患者之间惊恐发作的复发情况差异很大,且
【主题与分类】
主题标签:Panic Disorder、Proprioceptive Disorders。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01677429
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/NCT01677429
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:惊恐障碍、本体感觉障碍。引言 焦虑障碍是一组以过度且异常的模糊忧虑感为特征的疾病,随后伴有压力和不安(Berrios 1999)。作为一个群体,焦虑障碍被发现具有最高的终生患病率,即它们是最常见的一类精神障碍(Kessler et al. 2010),一年内的患病率为17.7%(Kessler et al. 2005)。这类障碍包括五种主要的精神障碍:特定恐惧症、强迫症、创伤后应激障碍、广泛性焦虑障碍和惊恐障碍——研究者将重点关注后者。惊恐障碍(PD)是一种慢性疾病,其特征是自发、意外地发生惊恐发作,即强烈的恐惧期,患者之间及同一患者内部惊恐发作的复发频率差异极大,从每天几次到每年几次不等(American Psychiatric Association 2000)。PD常与广场恐惧症同时发生,即
他们害怕并回避那些自认为难以控制的情境和环境,例如公共场所和“令人窒息”的周围环境(Kessler等,2005)。惊恐障碍的终生患病率可达5%(Kessler等,2010)甚至更高(Serretti等,2011),且女性受影响的几率是男性的两到三倍(Schumacher等,2011)。惊恐障碍大多在成年早期发病(平均年龄25岁),但这并非绝对,因为儿童期或青春期早期的发病很可能未被诊断(Schumacher等,2011)。据称,惊恐障碍患者在静息状态和直立挑战(即倾斜试验)时自主神经系统失调,表现为心率和舒张压较健康对照组升高(Martinez等,2010)。多年来,大量研究致力于探寻焦虑或惊恐障碍与身体平衡受损之间的关联(Perna等,2001;Sklare等,2001;Staab an
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。




