单侧脑性瘫痪儿童下台阶时精准抓握控制数据
该数据集来自 Dryad,对应一项比较单侧脑性瘫痪(UCP)儿童与典型发育(TD)儿童下台阶时抓握力(GF)与负载力(LF)协调的研究

基本信息
资源简介
单侧脑性瘫痪儿童下台阶时精准抓握控制数据
Data from: Precision grip control while walking down a step in children with unilateral cerebral palsy
该数据集来自 Dryad,对应一项比较单侧脑性瘫痪(UCP)儿童与典型发育(TD)儿童下台阶时抓握力(GF)与负载力(LF)协调的研究。研究纳入 25 名 UCP 儿童(年龄 9.3±1.7 岁)和 25 名 TD 对照(年龄 9.4±2.1 岁),受试者手持抓握-提举装置走下台阶,分析动态与时间变量,并评估最大自主收缩(MVC)。数据可用于研究 UCP 儿童在行走下台阶任务中的抓握力控制、肢体间协调及预期性控制等机制(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2019。
【数据内容】
源站描述(机器翻译,仅供参考):目的。比较单侧脑性瘫痪(UCP)儿童与典型发育(TD)儿童在下台阶时抓握力(GF)与负载力(LF)的协调。方法。25 名 UCP 儿童(年龄 9.3±1.7 岁)和 25 名 TD 对照(年龄 9.4±2.1 岁)手持抓握-提举装置走下台阶。分析动态与时间变量。同时评估最大自主收缩(MVC)。结果。与 TD 儿童相比,UCP 儿童的时间进程主要在其受累较重的手上受到扰动,因为 GF 和 LF 起始的增加顺序发生颠倒。与 TD 对照相比,UCP 儿童双手的 LF 值更高,且非受累较重手的 GF 更高。在 UCP 儿童中,非受累较重手的 GF 对 LF 的适应是充分的,但在受累较重手上被高估
【主题与分类】
主题标签:Precision grip、intersegmental coordination、internal model、anticipatory control。本站分类:神经系统疾病/脑性瘫痪。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.vm407
使用许可:Creative Commons Zero v1.0 Universal。
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/10.5061/dryad.vm407
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 307.6 KB。
数据说明
目的。比较单侧脑瘫(UCP)儿童与典型发育(TD)儿童在下台阶行走时握力(GF)与负荷力(LF)的协调性。方法。25名UCP儿童(年龄9.3±1.7岁)和25名TD对照组儿童(年龄9.4±2.1岁)在手持握提操作器的情况下走下台阶。分析动态和时间变量。同时评估最大自主收缩(MVC)。结果。与TD儿童相比,UCP儿童的时间进程主要在其受累较重的手中受到扰动,因为GF和LF起始的增加顺序发生了颠倒。与TD对照组相比,UCP儿童双手的LF值更高,且受累较轻手的GF更高。在UCP儿童中,GF对LF的适应在受累较轻手中是适当的,但在受累较重手中被高估。此外,UCP儿童受累较重手的MVC较低,导致任务期间使用的MVC百分比更高。解释。
我们的发现强调了在单侧脑瘫儿童下台阶任务中,精准抓握的预期性控制对于受影响较小的一侧手是足够的,而对于受影响较大的一侧手则发生了改变。
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。




