神经调控对喉部肌张力障碍的影响
LD 病因 largely unknown,目前缺乏产生长期获益的治疗手段。研究者的长期目标是阐明其病理生理机制,以推动敏感检测方法与新型干预的开发

基本信息
资源简介
神经调控对喉部肌张力障碍的影响
该数据集来自 clinicaltrials.gov,聚焦喉部肌张力障碍(Laryngeal Dystonia, LD)与局灶性肌张力障碍(Focal Dystonia)。LD 病因 largely unknown,目前缺乏产生长期获益的治疗手段。研究者的长期目标是阐明其病理生理机制,以推动敏感检测方法与新型干预的开发。神经影像学研究提示 LD 与脑内感觉运动区异常激活模式和过度可塑性相关,但对该病的皮层兴奋性理解仍不足。研究者已开始通过开发新型经颅磁刺激方法弥补这一知识空白(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:喉部肌张力障碍、局灶性肌张力障碍。LD 的病因在很大程度上尚不清楚,且没有能产生长期获益的治疗方法。研究者的长期目标是阐明喉部肌张力障碍的病理生理机制,作为开发敏感检测方法和新型干预措施以治疗这一破坏性疾病的关键一步。神经影像学研究提示,LD 与脑内感觉运动区的异常激活模式和过度可塑性有关,然而,对该疾病皮层兴奋性的理解仍然缺乏。这一信息很重要,因为它能提供对该疾病病理生理机制更全面的理解,为新型检测或治疗的潜在研究开辟道路。研究者已开始通过开发一种新型经颅磁刺激方法来弥补这一知识空白。
【主题与分类】
主题标签:Laryngeal Dystonia、Focal Dystonia。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05095740
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/NCT05095740
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:喉肌张力障碍、局灶性肌张力障碍。喉肌张力障碍的病因在很大程度上仍不明确,且目前尚无能够产生长期疗效的治疗方法。研究者的长期目标是阐明喉肌张力障碍的病理生理机制,这是开发敏感检测方法和新型干预措施以治疗这一毁灭性疾病的关键一步。神经影像学研究提示,喉肌张力障碍与大脑感觉运动区异常激活模式及过度可塑性有关,然而,对该疾病皮层兴奋性的了解仍然缺乏。这一信息之所以重要,是因为它能提供对该疾病病理生理机制更全面的理解,从而为新型检测方法或治疗手段的探索开辟潜在途径。研究者已开始通过开发一种新型经颅磁刺激范式来评估目标喉部肌肉的皮层内兴奋性与抑制,以填补这一知识空白。
尽管类似的范式在阐明肢体肌张力障碍的神经机制方面已卓有成效,但据我们所知,TMS尚未被用于评估喉部肌张力障碍的病理生理学,因此无法评估肢体肌张力障碍与喉部肌张力障碍之间脑状态的异同。研究者当前由NIDCD资助的项目(R01DC015216)——本拟议项目与之协同——采用TMS和功能神经影像学对LD和局灶性手部肌张力障碍患者进行研究,以确定这两种疾病各自特有及共有的脑兴奋性和连接性。该方法基于研究者近期完成的NIDCD资助项目(R21DC012344),该项目支持开发了一种有效且可靠的TMS方法,用于确定甲杓肌——LD中受累的一块肌肉——的皮层代表区和兴奋性。利用该方法,研究者近期已证明,与健康对照相比,LD患者的皮层内抑制降低。这些结果提供了令人信
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。




