足底内在肌训练与三维踝足训练对DPN的比较效果
该数据集来自clinicaltrials.gov,主题为糖尿病周围神经病变(DPN)。源站描述指出,DPN是糖尿病最常见且致残的并发症之一,影响高达50%的长期糖尿病患者,常见对称性远端感觉丧失、感觉异常、肌无力与萎缩(尤其足内在肌)、本体感觉和振动觉受损

基本信息
资源简介
足底内在肌训练与三维踝足训练对DPN的比较效果
该数据集来自clinicaltrials.gov,主题为糖尿病周围神经病变(DPN)。源站描述指出,DPN是糖尿病最常见且致残的并发症之一,影响高达50%的长期糖尿病患者,常见对称性远端感觉丧失、感觉异常、肌无力与萎缩(尤其足内在肌)、本体感觉和振动觉受损。研究旨在比较足底内在肌训练与三维踝足训练的效果:前者针对足部稳定小肌肉,改善内在支撑与足弓完整性;后者强调多方向运动,提升关节活动度、神经肌肉协调与下肢整体力量。数据可用于神经系统疾病康复训练效果比较研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:糖尿病周围神经病变(DPN)。糖尿病周围神经病变(DPN)是糖尿病最常见且致残的并发症之一,影响高达50%的长期糖尿病患者。患者通常表现为对称性感觉丧失(远端肢体)、感觉异常、肌无力与萎缩(尤其是足内在肌)、本体感觉和振动觉受损。足底内在肌训练特别针对足部微小的稳定肌肉,改善内在支撑与足弓完整性,而三维踝足训练则强调多方向运动,以增加关节活动度、神经肌肉协调性和下肢整体力量。本研究的目的是确定足底内在肌训练与三维踝足训练的比较效果
【主题与分类】
主题标签:Diabetic Peripheral Neuropathy (DPN)。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07576179
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/NCT07576179
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:糖尿病周围神经病变(DPN)。糖尿病周围神经病变(DPN)是糖尿病最常见且致残的并发症之一,影响高达50%的长期糖尿病患者。患者通常表现为对称性感觉丧失(远端肢体)、感觉异常、肌无力和萎缩(尤其是足部内在肌)、本体感觉和振动觉受损。足底内在肌练习主要针对足部微小的稳定肌肉,改善内在支撑和足弓完整性,而三维踝足练习则侧重于多方向运动,以增加关节活动度、神经肌肉协调性和整体下肢力量。本研究旨在确定足底内在肌练习与三维踝足练习对糖尿病周围神经病变患者平衡、步态和跌倒风险的比较效果。本研究将是一项单盲随机临床试验。
将采用非概率便利抽样法招募40名患者,性别不限,年龄50-75岁,且被诊断为糖尿病周围神经病变(DPN)。本研究将在萨戈达的费萨尔·马苏德教学医院进行。这些参与者将通过计算机化表格生成器方法随机分配到A组和B组。A组将接受足底内在肌练习,而B组将接受三维踝足练习。两组都将进行各自的练习,每次40分钟,每周三次,持续8周。参与者将在运动计划开始和结束时通过密歇根神经病变筛查工具(MNSI)和Tinetti面向表现的移动能力评估(POMA)进行评估,以评估该干预对平衡、步态和跌倒风险的影响。数据将使用SPSS第27版进行分析。
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。




