PANDA Gym：婴儿运动障碍风险神经发育自动评估

数据集获取

源站：https://clinicaltrials.gov/study/NCT04321200

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：儿童急性淋巴细胞白血病、婴儿发育、神经发育障碍。对于患有神经发育障碍的儿童，在生命的第一年进行早期治疗可改善长期预后。然而，研究人员目前受到现有临床测试不足的制约，这些测试难以测量和预测损伤。现有测试操作困难，需要专业培训，且长期预测价值有限。迫切需要开发一种客观、准确、易于使用的工具，用于早期预测长期身体残疾。儿科和婴儿发育领域将极大受益于一种定量评分，该评分能与当前用于检测极年幼婴儿运动损伤的现有临床测量方法相关联。为了实现新一代易于操作的测试，研究人员将获取大量数据集，这些数据来自婴儿在配备仪器的健身房中玩耍，或仅仅在仰卧姿势下移动时被记录。视频和传感器数据分析将基于我们对问题领域的知识，将运动转换为特征向量。

我们的方法将运用机器学习，将这些特征向量与当前推荐的临床测试或其他基准真相信息相关联。此设计的优势在于，算法能够利用运动的多个方面来生成相关评分。

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。