光生物调节治疗卒中后痉挛的研究
该数据集来自 clinicaltrials.gov,围绕光生物调节(PBM)治疗卒中后痉挛的随机对照临床试验。研究纳入 42 名卒中后痉挛性偏瘫成人,随机分为两组,评估 PBM 对小腿三头肌痉挛的影响

基本信息
资源简介
光生物调节治疗卒中后痉挛的研究
该数据集来自 clinicaltrials.gov,围绕光生物调节(PBM)治疗卒中后痉挛的随机对照临床试验。研究纳入 42 名卒中后痉挛性偏瘫成人,随机分为两组,评估 PBM 对小腿三头肌痉挛的影响。数据涉及卒中、痉挛、光生物调节及 NIRS 等主题,可用于探索 PBM 对肌肉痉挛、组织再生、肌肉放松及炎症、疲劳、疼痛的作用,支持康复与神经肌肉功能相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Stroke、Spasticity、Photobiomodulation、NIRS。卒中是一种非进展性且永久性的成人综合征,约 60% 的患者表现为痉挛性偏瘫。痉挛会导致肌肉组织收缩的生理模式和血流动力学发生改变,若不治疗,会对功能产生负面影响。光生物调节(PBM)已在多种肌肉和神经系统疾病中显示出对组织再生、肌肉放松、减轻炎症、疲劳和疼痛缓解的积极作用。方法:这项盲法、随机、对照临床试验旨在评估 PBM 对成人卒中后小腿三头肌痉挛的影响。42 名卒中后痉挛性偏瘫参与者将被随机分为两组:活性 PBM(850 nm,200 mW,腓肠肌每点 4 J,12 个点,每周一次,持续 8 周)
【主题与分类】
主题标签:Stroke、Spasticity、Photobiomodulation、NIRS。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07784231
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/NCT07784231
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:卒中、痉挛、光生物调节、NIRS。卒中是一种成人非进行性且永久性的综合征,约60%的患者表现为痉挛性偏瘫。痉挛会导致肌肉组织收缩的生理模式和血流动力学发生改变,若不加以治疗,会对功能产生负面影响。光生物调节(PBM)已在多种肌肉和神经系统疾病中显示出积极作用,包括促进组织再生、肌肉松弛、减轻炎症和疲劳,以及缓解疼痛。方法:这项盲法、随机、对照临床试验旨在评估PBM对成人卒中患者小腿三头肌痉挛的影响。42名卒中后痉挛性偏瘫受试者将被随机分为两组:活性PBM(850 nm、200 mW、腓肠肌每点4 J、12个点、每周1次,共8周)或安慰剂PBM(相同方案,设备关闭)。两组均将接受该机构的标准康复治疗。
将在干预前后采用改良Ashworth量表(MAS)、踝关节活动度、是否存在疼痛、抗痉挛药物使用量、收缩力量(通过徒手检查)、肌肉氧合(通过经皮近红外光谱法)、功能状况以及不良事件发生情况来评估结局。招募结束时,将进行组间和时点间比较,并使用双因素重复测量方差分析检验和广义估计方程(GEE)检验进行统计分析。我们还计划在招募达到每组10名受试者时进行一项试点性中期分析。该中期分析将使用双因素重复测量方差分析来评估效应量并重新计算样本量,必要时对设计进行调整。
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。




