功能性MRI与DTI在肌张力障碍术前评估中的应用
数据涉及GPi DBS治疗孤立性肌张力障碍与复杂性肌张力障碍的疗效差异,以及运动环路功能重组和白质完整性的术前评估。可用于研究神经调控疗效与锥体束受累程度、皮质-纹状体-苍白球-丘脑环路交互的关系,支持术前评估相关的分类或预测分析(来源 clinicaltrials.gov)

基本信息
资源简介
功能性MRI与DTI在肌张力障碍术前评估中的应用
该数据集来自clinicaltrials.gov,聚焦功能性MRI与DTI在肌张力障碍术前评估中的应用,覆盖Isolated Cervical Dystonia、Complex Dystonia及Spasticity等病症。数据涉及GPi DBS治疗孤立性肌张力障碍与复杂性肌张力障碍的疗效差异,以及运动环路功能重组和白质完整性的术前评估。可用于研究神经调控疗效与锥体束受累程度、皮质-纹状体-苍白球-丘脑环路交互的关系,支持术前评估相关的分类或预测分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:Isolated Cervical Dystonia、Complex Dystonia、Spasticity。功能神经外科、神经放射学和病毒神经元示踪研究的进展扩展了我们对多种神经系统综合征临床表现背后环路的认识。苍白球内侧部(GPi)脑深部电刺激(DBS)是治疗“孤立性肌张力障碍”的已验证技术。该疗法在常与局灶性脑损伤相关的“复杂性肌张力障碍”中的疗效有限且异质。将DBS治疗的适应症扩展到复杂性DDS疾病,需要进一步改进对运动环路功能重组和白质完整性的术前评估。神经调控在这些临床综合征中的疗效取决于锥体束受累的严重程度、皮质-纹状体-苍白球-丘脑之间的相互作用
【主题与分类】
主题标签:Isolated Cervical Dystonia、Complex Dystonia、Spasticity。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02877836
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/NCT02877836
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:孤立性颈部肌张力障碍、复杂性肌张力障碍、痉挛状态。功能神经外科、神经放射学和病毒神经元追踪研究领域的进展,拓展了我们对几种神经系统综合征临床表现背后环路的认识。苍白球内侧部(GPi)脑深部电刺激(DBS)是治疗“孤立性肌张力障碍”的一种已验证技术。该疗法对常与局灶性脑损伤相关的“复杂性肌张力障碍”的疗效有限且异质性较大。将DBS治疗的适应证扩大到复杂性DDS障碍,需要进一步改进对运动环路功能重组和白质完整性的术前评估。神经调控在这些临床综合征中的疗效取决于锥体束受累的严重程度、皮质-纹状体-苍白球-丘脑环路与小脑-丘脑-皮质环路之间的相互作用,以及皮质水平运动网络的重组。本研究旨在识别一组肌张力障碍患者中与运动相关的功能磁共振成像(fMRI)激活模式,并与健康对照(HC)进行比较。
进一步分析将评估根据与GPi DBS适用性相关的临床和放射学标准定义的不同患者亚组的招募模式(高动力/低动力和苍白球前/苍白球后)。扩散张量成像(DTI)将应用于评估肌张力障碍患者组与HC相比的白质病变的拓扑分布和严重程度。关于局灶性脑损伤后运动网络组织和白质完整性的进一步知识可能有助于理解这种对DBS的减弱反应,并完善继发性肌张力障碍的DBS适应症和技术。
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。




