电刺激骑行训练对SCA的影响
该数据集来自clinicaltrials.gov,主题为电刺激骑行训练对脊髓小脑共济失调(SCA)的影响。SCA患者的主要临床体征是共济失调,表现为姿势摇摆增加和自主运动不稳定,影响日常生活活动和生活质量

基本信息
资源简介
电刺激骑行训练对SCA的影响
该数据集来自clinicaltrials.gov,主题为电刺激骑行训练对脊髓小脑共济失调(SCA)的影响。SCA患者的主要临床体征是共济失调,表现为姿势摇摆增加和自主运动不稳定,影响日常生活活动和生活质量。神经可塑性源于兴奋性变化,突触重复活动引起的兴奋性变化在中枢神经系统(CNS)中维持时间比外周神经系统(PNS)更长,可能与记忆和运动学习有关。神经可塑性可通过Transcranial Magnetic Stimulation (TMS)等非侵入性工具研究。SCA患者因脑区和通路受损,兴奋性受到抑制(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:脊髓小脑共济失调(SCA)。共济失调是脊髓小脑共济失调(SCA)患者的主要临床体征。SCA患者在进行自主运动时会出现姿势摇摆增加和不稳定,妨碍其进行正常日常生活活动,并影响患者的生活质量。神经可塑性来自兴奋性变化。突触处重复活动产生的兴奋性变化在中枢神经系统(CNS)中维持的时间比在外周神经系统(PNS)中更长。突触兴奋性变化的持续时间较长可能与记忆和运动学习有关。神经可塑性可通过多种非侵入性工具进行研究,例如Transcranial Magnetic Stimulation (TMS)。由于脑区和通路受损,SCA患者的兴奋性受到抑制。运动学习是获得c的过程
【主题与分类】
主题标签:Spinocerebellar Ataxia (SCA)。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06363058
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://clinicaltrials.gov/study/NCT06363058
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:脊髓小脑性共济失调(SCA)。共济失调是脊髓小脑性共济失调(SCA)患者的主要临床体征。随意运动过程中出现的姿势摇摆增加和不稳定性,妨碍了SCA患者进行正常的日常生活活动,并影响了患者的生活质量。神经可塑性源于兴奋性变化。突触处重复活动产生的兴奋性变化,在中枢神经系统(CNS)中维持的时间比在外周神经系统(PNS)中更长。突触兴奋性变化的长时间持续可能与记忆和运动学习有关。神经可塑性可通过多种非侵入性仪器进行研究,例如经颅磁刺激(TMS)。由于脑区和通路受损,SCA患者的兴奋性受到抑制。运动学习是获得运动能力的过程。运动学习不仅关注练习期间表现的变化,还要在保持和/或迁移过程中进行评估。运动学习可分为外显学习和内隐学习。
一种内隐学习是运动技能的习得,通常被称为程序性学习。序列反应时任务(SRTT)用于描述内隐序列运动学习。一系列内隐运动序列学习任务旨在阐明小脑的作用和功能。而这一功能在SCA患者中存在缺陷。启动是一种无意识过程,与学习相关,通过先前的刺激改变后续反应。启动被应用于物理治疗;它可能导致行为改变并增强后续的训练效果。骑行可以作为一种有氧运动启动,可能有助于提高脑血流量和氧合,促进突触可塑性,增强神经营养因子的释放,传递神经内分泌和肌因子。本项目将推进对SCA中运动表现和运动学习机制的认识。
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。



