多发性神经病、功能损害与身体活动 - PolyImPAct 研究
该数据集来自 clinicaltrials.gov,围绕多发性神经病患者的功能损害与身体活动展开,涵盖 CIDP、血管炎性神经病、POEMS 综合征、多灶性运动神经病、Charcot-Marie-Tooth、hATTR 淀粉样变性、糖尿病性多发性神经病及特发性神经病等亚型

基本信息
资源简介
多发性神经病、功能损害与身体活动 - PolyImPAct 研究
该数据集来自 clinicaltrials.gov,围绕多发性神经病患者的功能损害与身体活动展开,涵盖 CIDP、血管炎性神经病、POEMS 综合征、多灶性运动神经病、Charcot-Marie-Tooth、hATTR 淀粉样变性、糖尿病性多发性神经病及特发性神经病等亚型。研究分四个阶段,评估临床结局指标、患者报告结局指标与加速度计身体活动数据,并检验这些结局指标在神经病患者中的效度、信度与反应度。计划纳入 400 例成人神经病患者与 120 例成人健康对照,可用于身体活动评估及结局测量工具的心理测量学分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:慢性炎性脱髓鞘性多发性神经病(CIDP)、血管炎性神经病、POEMS 综合征、多灶性运动神经病、Charcot-Marie-Tooth、hATTR 淀粉样变性、糖尿病性多发性神经病、特发性神经病。研究将分四个阶段评估身体活动,以及结局测量工具在神经病患者中的效度、信度和反应度。在四个阶段中,将评估临床结局指标、患者报告结局指标和关于身体活动的加速度计数据。研究者计划纳入来自本诊所的 400 例成人神经病患者(获得性、遗传性和特发性)以及 120 例成人健康对照。这 400 例神经病患者包括以下神经病亚型:慢性炎性脱髓鞘性多发性神经病(CIDP)、血管炎性多发性神经病、多发性神经病-器官
【主题与分类】
主题标签:Vasculitic Neuropathy、POEMS Syndrome、Multifocal Motor Neuropathy、Charcot-Marie-Tooth、hATTR Amyloidosis、Diabetic Polyneuropathy、Idiopathic Neuropathy、Polyneuropathies。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06040567
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/NCT06040567
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
疾病类型:慢性炎性脱髓鞘性多发性神经病(CIDP)、血管炎性神经病、POEMS综合征、多灶性运动神经病、腓骨肌萎缩症、hATTR淀粉样变性、糖尿病性多发性神经病、特发性神经病。研究分四个阶段,评估多发性神经病患者的体力活动以及结局测量的有效性、信度和反应性。在这四个阶段中,将评估临床结局测量、患者报告结局测量以及加速度计体力活动数据。研究者计划纳入来自本诊所的400名成人多发性神经病患者(获得性、遗传性和特发性)以及120名成人健康对照。这400名多发性神经病患者包括以下多发性神经病亚型:慢性炎性脱髓鞘性多发性神经病(CIDP)、血管炎性多发性神经病、多发性神经病-器官肿大-内分泌病-单克隆蛋白-皮肤改变(POEMS综合征)、多灶性运动神经病(MMN)、腓骨肌萎缩症(CMT)、hATTR淀粉样变性、糖尿病性多发性神经病(DPN)和特发性神经病。
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。




