认知衰退患者的步态障碍数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT03399591

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：步态障碍，神经系统性。未来几十年，随着人口老龄化，神经退行性疾病的患病率将会上升。因此，开发可靠、可重复且易于获取的诊断工具显得尤为重要。这是一项前瞻性研究，旨在探讨阿尔茨海默病和路易体病患者步态的时空参数。本研究共纳入64名患者。首先对两种病理进行了比较，随后基于四组（轻度、重度阿尔茨海默病，轻度、重度路易体病）进行了分析，并对疾病严重程度进行了研究。为了研究这些参数，我们使用了Gaitrite步态分析仪。对阿尔茨海默病和路易体病患者行走时空参数的分析，能够识别出区分这两种病理的变量。患有阿尔茨海默病的概率随着步速的增加而降低，但随着步长变化及足部旋转的增加而升高。而患有路易体病的概率则随着步速、步长时间变化及双支撑持续时间的增加而升高。

这些结果很有趣，但不足以确立这两种疾病的诊断评分。在个体层面监测这些参数的变化可能更为相关，并有助于检测双重病理。

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。