Angelman综合征微开关集群技术数据集2020
数据涉及七名患有 Angelman 综合征且伴有重度至极重度发育障碍的儿童，他们接受微开关集群技术干预，以促进物体操作并减少舌突出行为，同时进行了为期 24 个月的长期随访，并记录了带有积极参与指标的间隔作为建设性参与的结果测量
基本信息
资源简介
Angelman综合征微开关集群技术数据集2020
Angelman_Cluster_2020
该数据集来自 doi.org，收录 2020 年发布的一项关于 Angelman 综合征的研究数据，文件为 Angelman_Cluster_2020.xlsx，共 1 个文件。数据涉及七名患有 Angelman 综合征且伴有重度至极重度发育障碍的儿童，他们接受微开关集群技术干预，以促进物体操作并减少舌突出行为，同时进行了为期 24 个月的长期随访，并记录了带有积极参与指标的间隔作为建设性参与的结果测量。该数据可用于分析辅助技术对行为干预的长期效果，以及积极参 与指标的变化趋势（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2020-07-16。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包括七名患有 Angelman 综合征和重度至极重度发育障碍的儿童，他们接受微开关集群技术干预，以促进物体操作并减少舌突出。进行了长期随访（即 24 个月）。此外还记录了带有积极参与指标的间隔，作为建设性参与的结果测量。
【数据结构与技术规格】
文件数 1 个，合计 46.07 KB。数据集 DOI：10.6084/m9.figshare.12665366.v1。
【主题与分类】
源站学科分类：Applied and developmental psychology not elsewhere classified。主题标签：Angelman syndromes、Microswitch-Cluster Technology、Assistive technology、Positive Participation、Applied Psychology。本站分类：神经系统疾病/安格尔曼综合征。
【适用方向】
源站学科分类标注为 Applied and developmental psychology not elsewhere classified。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/Angelman_Cluster_2020/12665366
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Stasolla, Fabrizio (2020). Angelman_Cluster_2020. figshare. Dataset
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://doi.org/10.6084/m9.figshare.12665366.v1
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 46.1 KB。
数据说明
该数据集包括七名患有安吉尔曼综合征及重度至极重度发育障碍的儿童，他们接受了微动开关集群技术干预，以促进物体操作并减少舌头前伸行为。此外，还进行了长期随访（即24个月）。同时记录了以积极参与指数作为建设性参与成果指标的间隔时间。
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。
