不同rTMS干预对共病失眠个体急性实验性肌肉疼痛的影响
该数据集来自clinicaltrials.gov,聚焦失眠与急性实验性肌肉疼痛共病个体。研究采用随机假刺激对照设计,基于已建立的实验性疼痛模型,评估三种不同rTMS干预的恢复效果,分别靶向左初级运动皮层(L M1)、右背外侧前额叶皮层(R DLPFC)及假刺激

基本信息
资源简介
不同rTMS干预对共病失眠个体急性实验性肌肉疼痛的影响
该数据集来自clinicaltrials.gov,聚焦失眠与急性实验性肌肉疼痛共病个体。研究采用随机假刺激对照设计,基于已建立的实验性疼痛模型,评估三种不同rTMS干预的恢复效果,分别靶向左初级运动皮层(L M1)、右背外侧前额叶皮层(R DLPFC)及假刺激。数据覆盖失眠、健康成人、运动诱导肌肉损伤、疼痛敏感性和肌肉骨骼疼痛等主题,可用于分析rTMS对失眠所致痛觉过敏及急性肌肉骨骼疼痛恢复轨迹的调节作用,并比较不同神经解剖刺激靶点的效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:失眠、健康成人、运动诱导肌肉损伤、疼痛敏感性、肌肉骨骼疼痛。失眠会加剧疼痛敏感性并损害急性肌肉骨骼疼痛的生理恢复。重复经颅磁刺激(rTMS)已成为一种有前景的非侵入性神经调控干预,用于缓解疼痛并调节中枢感觉处理。然而,rTMS能否有效减轻失眠诱导的疼痛超敏反应并加速急性肌肉骨骼疼痛的恢复轨迹仍不清楚,最佳神经解剖刺激靶点亦不明确。基于已建立的实验性疼痛模型,这项随机假刺激对照研究旨在评估三种不同rTMS干预的恢复效果——分别靶向左初级运动皮层(L M1)、右背外侧前额叶皮层(R DLPFC)以及假
【主题与分类】
主题标签:Insomnia、Healthy Adult、Exercise Induced Muscle Damage、Pain Sensitivity、Musculoskeletal Pain。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07827677
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/NCT07827677
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
条件:失眠、健康成人、运动诱发性肌肉损伤、疼痛敏感性、肌肉骨骼疼痛。失眠会加剧疼痛敏感性,并损害急性肌肉骨骼疼痛的生理恢复。重复经颅磁刺激(rTMS)已成为一种有前景的非侵入性神经调控干预手段,用于缓解疼痛并调节中枢感觉处理。然而,rTMS能否有效减轻失眠诱发的痛觉过敏并加速急性肌肉骨骼疼痛的恢复进程仍不清楚,最佳神经解剖刺激靶点亦不明确。本研究基于已建立的实验性疼痛模型,采用随机、假刺激对照设计,旨在评估三种不同rTMS干预——分别靶向左初级运动皮层(L M1)、右背外侧前额叶皮层(R DLPFC)以及假刺激条件——对失眠个体的恢复效果。在采用标准化离心运动方案诱导肌肉酸痛后,参与者将在运动后0、24和48小时接受三次分配到的rTMS干预。
在恢复期间,将连续监测疼痛敏感性、恢复动态以及定量感觉测试(QST)指标。本试验的结果将阐明rTMS在失眠状态下调节急性疼痛的治疗效果,并确定皮层刺激的靶点特异性机制,为肌肉骨骼疼痛管理提供基于证据的非侵入性干预措施。
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。




