伴与不伴震颤的颈部肌张力障碍触觉与本体感觉功能障碍数据
该数据集来自 datadryad.org，对应研究比较伴震颤与不伴震颤的颈部肌张力障碍患者及健康对照者的躯体感觉功能。数据覆盖非肌张力障碍前臂的触觉时间辨别阈值，以及肌张力障碍（头/颈）和非肌张力障碍（前臂/手）节段的本体感觉敏锐度，后者通过关节位置匹配任务测量
基本信息
资源简介
伴与不伴震颤的颈部肌张力障碍触觉与本体感觉功能障碍数据
Data from: Tactile and proprioceptive dysfunction differentiates cervical dystonia with and without tremor
该数据集来自 datadryad.org，对应研究比较伴震颤与不伴震颤的颈部肌张力障碍患者及健康对照者的躯体感觉功能。数据覆盖非肌张力障碍前臂的触觉时间辨别阈值，以及肌张力障碍（头/颈）和非肌张力障碍（前臂/手）节段的本体感觉敏锐度，后者通过关节位置匹配任务测量。可用于分析不同表型颈部肌张力障碍的感觉损伤类型与水平差异，支持触觉与本体感觉相关研究（来源 Dryad，https://spdx.org/licenses/CC0-1.0.html 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：目的：确定颈部肌张力障碍（CD）的不同表型是否表达不同类型和水平的躯体感觉损伤。方法：我们通过测量非肌张力障碍前臂的触觉时间辨别阈值，以及使用关节位置匹配任务测量肌张力障碍（头/颈）和非肌张力障碍身体节段（前臂/手）的本体感觉敏锐度，评估了伴震颤和不伴震颤的CD患者（各N=12）以及年龄匹配的健康对照者（N=22）的躯体感觉功能。实验者或通过机器人外骨骼将头部或腕部沿不同轴被动位移至不同关节位置。参与者主动再现所经历的关节位置，目标位置与再现位置之间的绝对关节位置匹配误差作为本体感觉敏锐度的标志。结果：触觉时间辨别阈
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.2264mf4。
【主题与分类】
主题标签：Somatosensory、Tremor、Proprioception、human、Cerebellum、Perception。本站分类：肌肉骨骼系统疾病。
【获取与许可】
源站页面：https://doi.org/10.5061/dryad.2264mf4
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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://datadryad.org/stash/dataset/doi:10.5061/dryad.2264mf4
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:
数据集大小约 25.6 KB。
数据说明
Laura Avanzino; Amel Cherif; Oscar Crisafulli; Federico Carbone; Jacopo Zenzeri; Pietro Morasso; Giovanni Abbruzzese; Elisa Pelosin; Juergen Konczak (2020). Tactile and proprioceptive dysfunction differentiates cervical dystonia with and without tremor [Dataset]. http://doi.org/10.5061/dryad.2264mf4
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
