注意力干预管理
该数据集来自 clinicaltrials.gov,聚焦注意力干预管理,涉及创伤性脑损伤(TBI)、注意缺陷多动障碍(ADHD)、头部损伤、脑震荡及闭合性头部损伤等状况

基本信息
资源简介
注意力干预管理
该数据集来自 clinicaltrials.gov,聚焦注意力干预管理,涉及创伤性脑损伤(TBI)、注意缺陷多动障碍(ADHD)、头部损伤、脑震荡及闭合性头部损伤等状况。源站描述指出,注意力障碍是儿童创伤性脑损伤后家长和教师最常报告的症状之一,可导致学业与适应问题;注意力涵盖获取和应用信息所需的各种心理过程与系统,并与感知、记忆/学习、组织、推理等认知功能相互作用,其不同子成分与相互连接的神经系统在创伤及其他脑部疾病后可能受到差异性破坏。数据可用于注意力相关认知障碍的研究与干预分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):状况:创伤性脑损伤(TBI)、注意缺陷多动障碍(ADHD)、头部损伤、脑震荡、闭合性头部损伤。注意力障碍是儿童创伤性脑损伤(TBI)后家长和教师最常报告的症状之一。这些认知障碍导致广泛的学业和适应问题。广义而言,注意力涵盖获取和应用信息所需的所有心理过程、操作和系统。它与其他认知功能相互作用,包括感知、记忆/学习、组织和推理;注意力是这些系统整合的核心。已识别出若干具有相互连接神经系统的不同注意力子成分,并显示其在创伤和其他脑部疾病后受到差异性破坏,包括主
【主题与分类】
主题标签:Traumatic Brain Injury (TBI)、Head Injury、Brain Concussion、Head Injuries, Closed。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01779427
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/NCT01779427
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:创伤性脑损伤(TBI)、注意缺陷多动障碍(ADHD)、头部损伤、脑震荡、闭合性头部损伤。注意力障碍是儿科创伤性脑损伤(TBI)后家长和教师最常报告的症状之一。这些认知障碍导致了广泛的学业和适应问题。广义而言,注意力涵盖获取和应用信息所需的所有心理过程、操作和系统。它与其他认知功能相互作用,包括感知、记忆/学习、组织和推理;注意力是这些系统整合的核心。已识别出若干不同的注意力子成分及其相互连接的神经系统,并显示这些成分在创伤和其他脑部疾病后受到差异性破坏,包括维持性或持续性注意力、注意力选择性、注意力容量以及有效转移注意力的能力。
鉴于创伤性脑损伤(TBI)后注意力困难和继发性注意力缺陷多动障碍(ADHD)的普遍存在,确定有效解决注意力损害的治疗方法势在必行。本研究将开发并试点注意力干预与管理项目(AIM)。AIM侧重于直接注意力训练与元认知策略训练相结合。这些策略旨在提高专注力和自我调节能力、减少干扰,并增强学业环境中的问题解决能力。将注意力训练与元认知策略相结合,有助于确保学生能够在不同环境和情境中应用这些技能。本项目第二阶段的随机对照试验(RCT)将检验两个相互关联的假设:假设1:接受注意力干预与管理(AIM)项目的儿童在注意力和执行功能(EF)的标准化测试中,将表现出比等待名单对照组(WLC)更好的成绩。假设2:接受AIM的儿童在注意力和EF方面的问题将少于等待名单对照组(WL)
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。




