局灶性肌张力障碍与复杂性区域疼痛综合征的关联
本数据集来自 clinicaltrials.gov,围绕局灶性肌张力障碍(FD)与复杂性区域疼痛综合征(CRPS)之间的关联展开

基本信息
资源简介
局灶性肌张力障碍与复杂性区域疼痛综合征的关联
本数据集来自 clinicaltrials.gov,围绕局灶性肌张力障碍(FD)与复杂性区域疼痛综合征(CRPS)之间的关联展开。数据涉及 FD、FD+CRPS、CRPS 三类疾病状态,关注局部创伤作为风险因素、小纤维神经病作为可能共同生理基础。研究目标包括区分三类疾病、判断 FD 与 CRPS 是否共享同一生理基质并构成谱系两端,以及识别哪些临床情形可能继发于潜在的小纤维神经病。该数据可用于神经系统疾病分类研究,帮助探索运动执行异常与疼痛综合征之间的病理联系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:局灶性肌张力障碍、周围神经系统疾病。目的:肌张力障碍通常被认为是由于皮质-纹状体-丘脑-皮质运动环路中枢神经系统功能障碍导致的运动执行异常。局部创伤被认为是受累肢体发生局灶性肌张力障碍(FD)的风险因素。由于局灶性肢体创伤也与复杂性区域疼痛综合征(CRPS)相关,这两种疾病可能存在共同的潜在病理。在 CRPS 中,许多患者存在小纤维神经病。拟议研究的目标是区分(判别)三种疾病类别(FD、FD+CRPS、CRPS),查明 FD 与 CRPS 是否共享共同的生理基质并代表一个谱系的两端,以及观察哪些临床情形可能继发于潜在的小纤维神经病。独立研究
【主题与分类】
主题标签:Focal Dystonia、Peripheral Nervous System Disease。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00595439
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/NCT00595439
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
疾病:局灶性肌张力障碍、周围神经系统疾病。目的:肌张力障碍通常被认为是由于皮质-纹状体-丘脑-皮质运动环路的中枢神经系统功能障碍导致的运动执行异常。局部创伤被认为是受影响肢体发生局灶性肌张力障碍(FD)的风险因素。由于局灶性肢体创伤也与复杂性区域疼痛综合征(CRPS)相关,这两种疾病可能存在共同的潜在病理机制。在CRPS中,许多患者存在小纤维神经病。本研究的目的是区分(鉴别)三种疾病类别(FD、FD+CRPS、CRPS),探究FD和CRPS是否共享共同的生理基础并代表一个谱系的两端,以及了解哪些临床情况可能继发于潜在的小纤维神经病。将分别在受影响上肢和受影响下肢的患者中进行独立研究。研究人群:我们计划对总共90名受试者进行两项研究。
一项研究将评估15名单侧局灶性肌张力障碍患者、15名复杂性区域疼痛综合征(CRPS)患者和15名局灶性肌张力障碍合并CRPS患者的上肢受累情况,而第二项研究将检测15名单侧局灶性肌张力障碍患者、15名CRPS患者和15名下肢局灶性肌张力障碍合并CRPS患者的下肢。设计我们拟对上肢疾病患者探索中枢方面(体感诱发电位,SEPS,及经颅磁刺激,TMS),因为手部肌肉的皮层代表区比下肢肌肉代表区更易于研究。相反,外周研究(定量肌电图和神经传导)将在下肢疾病患者中进行,这是由于腿部纯运动神经和感觉神经的长度、可及性及分离性。结局指标中枢神经系统特征(上肢评估)的主要结局指标将是差异
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




