退行性脊柱疾病中的步态与椎旁表面肌电数据集
该数据集来自 clinicaltrials.gov,为一项横断面观察性研究,覆盖成人脊柱畸形、退行性脊柱侧凸、矢状面畸形与失衡、腰椎管狭窄、腰椎间盘突出及伴脊髓型颈椎病等退行性脊柱疾病患者,并设健康对照组

基本信息
资源简介
退行性脊柱疾病中的步态与椎旁表面肌电数据集
该数据集来自 clinicaltrials.gov,为一项横断面观察性研究,覆盖成人脊柱畸形、退行性脊柱侧凸、矢状面畸形与失衡、腰椎管狭窄、腰椎间盘突出及伴脊髓型颈椎病等退行性脊柱疾病患者,并设健康对照组。数据包含三维步态参数、表面肌电(EMG)模式与影像学参数,涉及步长、步幅、步频等时空步态特征,髋、膝、踝关节在支撑相与摆动相的角度、力矩与功率等下肢运动学与动力学指标,以及表面肌电振幅信息,可用于比较不同退行性脊柱疾病间的步态与肌电差异(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:成人脊柱畸形、退行性脊柱侧凸、矢状面畸形、矢状面失衡、冠状垂直轴、腰椎管狭窄、腰椎间盘突出、伴脊髓型颈椎病。这项横断面观察性研究旨在定量比较不同退行性脊柱疾病患者——包括腰椎间盘突出(LDH)、腰椎管狭窄(LSS)、腰椎矢状面失衡(LSI)、退行性腰椎侧凸(DLS)和脊髓型颈椎病(CSM)——与健康对照组的3D步态参数、表面肌电图(EMG)模式和影像学参数。分析聚焦于时空步态特征(步长、步幅、步频)、下肢运动学和动力学(支撑相和摆动相中髋/膝/踝关节角度、力矩和功率)以及表面肌电振幅
【主题与分类】
主题标签:Adult Spinal Deformity、Degenerative Scoliosis、Sagittal Deformity、Sagittal Imbalance、Coronal Vertical Axis、Lumbar Spinal Stenosis、Lumbar Disc Herniation、Cervical Spondylosis With Myelopathy。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07309926
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/NCT07309926
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:成人脊柱畸形、退变性脊柱侧凸、矢状面畸形、矢状面失衡、冠状面垂直轴、腰椎管狭窄症、腰椎间盘突出症、伴脊髓病的颈椎病。本横断面观察性研究旨在定量比较不同退变性脊柱疾病患者——包括腰椎间盘突出症(LDH)、腰椎管狭窄症(LSS)、腰椎矢状面失衡(LSI)、退变性腰椎侧凸(DLS)和脊髓型颈椎病(CSM)——与健康对照组的二维步态参数、表面肌电图(EMG)模式及影像学参数。分析聚焦于标准化步行任务中的时空步态特征(步长、跨步长、步频)、下肢运动学与动力学(支撑相和摆动相髋/膝/踝关节角度、力矩和功率)以及表面肌电振幅(胸段竖脊肌、多裂肌、臀大肌和腹直肌)。
此外,放射学参数(如骨盆入射角-腰椎前凸不匹配、C2-C7矢状面垂直轴、冠状面Cobb角)将与步态和肌肉激活偏差进行相关性分析。该研究采用运动捕捉系统、测力板和高速肌电图,以客观区分疾病特异性的运动功能障碍。本研究结果可能为每种退行性疾病建立生物力学和神经肌肉特征,为脊柱疾病中的个性化康复策略、步态再训练和手术结果评估提供框架。与健康对照组的比较分析将进一步阐明由退行性脊柱疾病引起的步态和肌肉募集模式的病理改变。
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。




