获得性脑损伤继发共济失调青少年的运动改善:一项初步研究
该论文旨在评估获得性脑损伤继发共济失调青少年在接受物理治疗与 Gait Real-time Analysis Interactive Lab(GRAIL,一种沉浸式虚拟现实平台)康复治疗后,其运动与平衡的变化

基本信息
资源简介
获得性脑损伤继发共济失调青少年的运动改善:一项初步研究
该论文旨在评估获得性脑损伤继发共济失调青少年在接受物理治疗与 Gait Real-time Analysis Interactive Lab(GRAIL,一种沉浸式虚拟现实平台)康复治疗后,其运动与平衡的变化
Motor improvement in adolescents affected by ataxia secondary to acquired brain injury: a pilot study
【数据集背景】
源站首次发布:2020。
【数据内容】
源站描述(机器翻译,仅供参考):手稿《Motor improvement in adolescents affected by ataxia secondary to acquired brain injury: a pilot study》(Peri 等,2019,Biomed Res Int)的原始数据。该论文旨在评估获得性脑损伤继发共济失调青少年在接受物理治疗与 Gait Real-time Analysis Interactive Lab(GRAIL,一种沉浸式虚拟现实平台)康复治疗后,其运动与平衡的变化。11 名共济失调青少年在一个月内接受了 20 次 45 分钟的 GRAIL 训练加 20 次 45 分钟的物理治疗。患者在康复前后接受功能量表和三维多步态分析评估。数据集包括人口学数据(损伤时间、性别、病因、GMFCS)、功能量表(SARA、BBS、GMFM-88、6minWT)以及治疗前(T0)和治疗后(T1)的步态分析参数。
【主题与分类】
主题标签:神经系统疾病、共济失调、获得性脑损伤、步态分析、虚拟现实康复、青少年。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://zenodo.org/record/4059380
使用许可:Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.4059380
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:
数据集大小约 32.3 KB。
数据说明
手稿《获得性脑损伤继发共济失调青少年的运动改善:一项初步研究》的原始数据,作者Peri等人,2019年,Biomed Res Int。该论文旨在评估因获得性脑损伤继发共济失调的青少年,在接受物理治疗及步态实时分析互动实验室(GRAIL)——一个沉浸式虚拟现实平台——的康复治疗后,其步态和平衡的变化。11名共济失调青少年在一个月内接受了20次45分钟的GRAIL训练,外加20次45分钟的物理治疗。患者在康复前后通过功能量表和三维多步态分析进行评估。数据集包含11名参与者的 demographic 数据(受伤时间、性别、病因、GMFCS)、功能量表(SARA、BBS、GMFM-88、6分钟步行测试)以及治疗前(T0)和治疗后(T1)的步态分析参数。关于数据集的详细信息可在手稿中查阅。
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。




