EMG驱动手部机器人训练对烧伤神经损伤手功能障碍患者的疗效
该数据集来自clinicaltrials.gov,聚焦烧伤导致神经损伤的手功能障碍患者,评估EMG驱动手部机器人训练的效果

基本信息
资源简介
EMG驱动手部机器人训练对烧伤神经损伤手功能障碍患者的疗效
该数据集来自clinicaltrials.gov,聚焦烧伤导致神经损伤的手功能障碍患者,评估EMG驱动手部机器人训练的效果。源站描述指出手部是烧伤最常累及的部位,占全部烧伤的80%,手部畸形和瘢痕可导致握力、关节活动度(ROM)和灵活性等功能丧失,即使早期切除和植皮,仍有高达30%的受累关节存在ROM受限。急性期手部康复需个体化,但烧伤中心尚无公认的康复方案,机器人训练正被尝试用于改善包括烧伤在内的肌肉骨骼疾病功能。数据可用于手功能康复相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:烧伤手、康复。手是身体最常受烧伤影响的部位,占所有烧伤的80%。当受累部位为手时,发生的畸形和瘢痕可导致握力、关节活动度(ROM)、灵活性等功能丧失。虽然早期切除和植皮已被证明可减少烧伤病例的功能丧失,但高达30%的受累关节被发现存在ROM受限。烧伤后,针对患者状况的急性手部康复至关重要。然而,烧伤中心仍没有经过验证的手部康复方案,正在尝试新的康复模式以改善手功能。机器人训练正被尝试用于改善包括烧伤在内的肌肉骨骼疾病的功能,研究人员已证实其临床有效性。
【主题与分类】
主题标签:Burn Hand、Rehabilitation。本站分类:肌肉骨骼系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06563336
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/NCT06563336
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:手部烧伤、康复。手是身体最常受烧伤影响的部位,占所有烧伤损伤的80%。当受影响部位为手部时,所发生的畸形和瘢痕可导致功能丧失,如握力、关节活动度(ROM)和灵活性下降。尽管早期切除和植皮已被证明可减少烧伤病例中的功能丧失,但高达30%的受累关节被发现存在关节活动度受限。烧伤损伤后,针对患者病情量身定制的急性期手部康复至关重要。然而,烧伤中心仍没有经过验证的手部康复方案,正在尝试新的康复模式以改善手部功能。机器人训练正被尝试用于改善包括烧伤在内的肌肉骨骼疾病的功能,研究人员已证实应用软手套式手部机器人治疗手部烧伤的临床有效性。烧伤康复仍没有既定方案。本研究设计为前瞻性、随机对照单盲病例对照研究。
参与者被随机分配至实验组(EG)和对照组(CG),每周5天,共60次训练,持续12周。实验组接受由EMG驱动的外骨骼手部机器人(Hand of Hope®,Rehab-Robotics公司)辅助的手部训练以及常规作业治疗。对照组进行常规作业治疗,包括手部关节活动度(ROM)练习和手部功能训练,每日两次,持续12周。结局指标如下:疼痛10分视觉模拟量表、Jebsen-Taylor手功能测试、握力、Purdue钉板测试、关节活动度、瘢痕厚度超声测量以及皮肤特征,在治疗前及12周治疗结束后立即进行评估。本研究旨在探讨EMG驱动的机器人康复对神经损伤及瘢痕患者的 hand 功能和皮肤特征的影响。
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。




