中风

该数据集包含150名巴基斯坦首次中风患者的临床表格数据，涵盖人口统计学信息、中风类型（缺血性、脑内出血、蛛网膜下腔出血）及风险因素（如高血压、糖尿病、吸烟等），数据来源于2021年两家医院的MRI、CT或超声心动图诊断确认的前瞻性观察研究，主要用于分析中风在巴基斯坦社区中的特异性风险因素分布与类型关联，支持中风流行病学研究和预防策略制定。

该数据集是一个包含500名患者、144个特征列的合成临床数据，涵盖人口统计学、心血管风险因素、生物标志物、成像结果和卒中结局等多模态信息，主要用于卒中风险预测的机器学习建模、临床研究分析和教育演示，数据基于真实世界研究和临床指南校准，确保无隐私风险。

该数据集是一个针对早期超急性中风的医学数据集，主要包含医学影像或临床表格等多模态数据，用于支持中风疾病的早期诊断、病理机制研究以及临床辅助治疗，适用于医学影像分析和人工智能辅助诊断等研究方向。

PhysioMio 数据集是一个包含48名中风患者的高密度表面肌电信号（HD‑sEMG）数据的数据集，以64通道电极阵列采集了16种手部动作的神经肌肉活动记录，数据模态为肌电信号，并以Apache Parquet格式存储。该数据集提供了健康手臂与受损手臂的纵向双侧对比数据，主要用于中风后运动功能恢复研究、神经肌肉缺陷分析、康复策略优化以及基于机器学习的姿势识别与辅助技术开发等方向。

该数据集包含中风患者和健康参与者使用上肢康复机器人进行坐姿任务时的3D人体姿势估计数据，数据模态包括通过Microsoft Kinect传感器采集的3D运动序列和临床表格信息，主要用于康复医学和机器学习研究，以开发自动化检测系统来识别中风康复训练中的补偿姿势，从而优化康复策略。

该数据集是一个医学图像数据集，包含图像模态数据及其对应的二分类标签（中风和非中风），主要用于图像分类任务，特别是中风识别领域的研究，可用于训练和验证机器学习模型以辅助医疗诊断。

该数据集是一个包含急性中风患者多模态临床数据的公开医学研究资源，主要数据内容包括去标识化的医学影像、行为测量指标以及人口统计学信息，数据模态涵盖神经影像、行为测量和临床表格，主要用于支持神经影像数据处理流程的开发、教育以及构建符合BIDS标准的临床数据处理管道。

该数据集是一个包含中风相关因素的医学表格数据集，涵盖人口统计学、健康状况和生活习惯等多模态信息，主要用于中风风险预测和疾病因素分析，支持医疗健康领域的研究与应用开发。

该数据集是一个多频率电阻抗断层成像（EIT）数据集，包含来自伦敦大学学院医院超级急性中风单元临床试验的已处理数据及相关处理代码，数据模态为医学成像信号，主要用于中风相关的脑部监测、成像算法开发和临床诊断辅助研究。

该数据集是一个包含患者人口统计信息、健康状况和生活方式等临床表格数据的医疗数据集，主要用于中风风险预测和医疗数据分析研究，通过分析高血压、心脏病、血糖水平、吸烟状况等多种因素，帮助识别中风相关风险并支持疾病预防和公共卫生决策。

该数据集包含用于脑中风风险预测分析的临床表格数据，如患者基本信息、生理指标和病史记录等，主要应用于医疗健康领域的中风风险评估、疾病预测模型构建以及公共卫生研究，以帮助识别高风险人群并支持预防策略的制定。

该数据集是一个包含10,659个CT系列影像的医学影像数据集，数据来源于第三届国际中风试验（IST-3）中3035名急性缺血性中风患者的非增强CT扫描，主要用于支持深度学习技术在颅内动脉钙化自动分割与量化方面的研究，以提升中风风险评估的准确性和效率。