下肢烧伤后的感觉运动训练
该数据集来自 clinicaltrials.gov，主题为下肢烧伤后的感觉运动训练。下肢烧伤可导致疼痛、瘢痕挛缩、感觉受损、肌无力和姿势失衡等并发症，影响正常功能
基本信息
资源简介
下肢烧伤后的感觉运动训练
Sensorimotor Training Exercise After Lower Extremity Burns 是一个来自 clinicaltrials.gov 的数据集，主题聚焦于下肢烧伤后的感觉运动训练。下肢烧伤可能引发疼痛、瘢痕挛缩、感觉受损、肌无力以及姿势失衡等多种并发症，这些并发症会削弱患者正常活动的能力。感觉运动训练是一种特殊形式的本体感觉与平衡练习，最初设计用于慢性肌肉骨骼疼痛综合征患者的管理。其核心理念在于，不应仅强调关节周围某一肌群的孤立力量，而应重视中枢神经系统在调控运动中的作用，以达到维持关节稳定所需的正确放电模式。该数据集围绕这一主题收录相关信息，可供关注下肢烧伤康复训练的研究者与临床人员参考。
【数据集背景】
下肢烧伤（Lower Extremity Burns）是烧伤损伤中的一类，可对患者的功能状态产生多方面影响。烧伤后常见的并发症包括疼痛、瘢痕组织挛缩、感觉功能受损、肌肉无力以及姿势失衡，这些因素共同作用，可能显著降低患者正常活动的能力。感觉运动训练作为一种针对本体感觉和平衡的特殊训练形式，其设计初衷是用于慢性肌肉骨骼疼痛综合征患者的管理。该训练方式的理论基础在于：与其孤立地强调关节周围某一组肌肉的力量，不如认识到中枢神经系统在运动调控中的重要性，从而形成维持关节稳定性所需的正确放电模式。该数据集即围绕下肢烧伤后的感觉运动训练这一主题组织信息。
【数据内容】
该数据集的主题标签为“Lower Extremity Burns”，所属分类为肌肉骨骼系统疾病下的“其他”类别。数据集内容涉及下肢烧伤后的感觉运动训练，涵盖与下肢烧伤并发症及感觉运动训练概念相关的信息。关于数据集所包含的具体字段、变量、样本量、受试者特征、干预方案细节及结局指标等，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述中提及的条件为下肢烧伤（Lower Extremity Burns），并阐述了下肢烧伤并发症及感觉运动训练的相关概念。关于数据的具体采集方法、采集时间范围、采集地点及采集流程等，源站未提供。
【适用场景】
基于其主题，该数据集可适用于下肢烧伤康复相关的研究与临床实践场景，例如了解下肢烧伤后感觉运动训练的背景与理论基础，或作为烧伤康复领域教学与文献调研的参考素材。关于该数据集在具体研究设计、疗效评价或临床决策中的适用性，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据访问方式、数据格式、预处理步骤及分析建议等。
【质量与限制】
源站未提供关于该数据集质量评估、数据完整性、准确性验证及已知限制的说明。
【引用与许可】
源站未提供该数据集的引用格式及许可使用条款。
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/NCT05749003
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：下肢烧伤。下肢烧伤可导致疼痛、瘢痕组织挛缩、感觉受损、肌肉无力及姿势失衡，这些均为下肢烧伤损伤（LLBI）的潜在并发症，会对患者正常功能活动能力产生不良影响。感觉运动训练是一种特殊形式的本体感觉与平衡练习，专为慢性肌肉骨骼疼痛综合征患者的管理而设计。其理念基础在于：不应仅强调关节周围某组肌肉的孤立力量，而应认识到中枢神经系统在调节运动中的重要性，以达到维持关节稳定性所需的正确激活模式。
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。
