基于拳击训练改善帕金森病平衡与活动能力
本数据集来源于 clinicaltrials.gov,主题为基于拳击训练改善帕金森病患者的平衡与活动能力。源站描述指出,帕金森病会早期损害由基底节、大脑皮层、脑干和小脑等组成的分布式神经网络,涉及多巴胺能、胆碱能和血清素能通路,导致轴向僵硬和进行性姿势不稳;左旋多巴和脑深部电刺激等标准治疗常无法解决

基本信息
资源简介
基于拳击训练改善帕金森病平衡与活动能力
本数据集来源于 clinicaltrials.gov,主题为基于拳击训练改善帕金森病患者的平衡与活动能力。源站描述指出,帕金森病会早期损害由基底节、大脑皮层、脑干和小脑等组成的分布式神经网络,涉及多巴胺能、胆碱能和血清素能通路,导致轴向僵硬和进行性姿势不稳;左旋多巴和脑深部电刺激等标准治疗常无法解决整体平衡障碍,左旋多巴可能改善步速却加重姿势摇摆,且不能显著改善动态平衡或双任务能力,因此存在干预需求(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:帕金森病(PD)。背景与依据:平衡控制是由中枢神经系统内一个分布式神经网络管理的复杂功能,其中基底节作为中心节点,与大脑皮层、脑干和小脑协调运作。该网络跨越多个神经化学系统,包括多巴胺能、胆碱能和血清素能通路。在帕金森病(PD)中,这一多层级系统在早期即受损,导致轴向僵硬和进行性姿势不稳等症状。当前标准治疗,如左旋多巴和脑深部电刺激(DBS),往往无法解决整体平衡功能障碍。虽然左旋多巴可能改善步速,但可能反常地加重姿势摇摆,并且不能显著改善动态平衡或双任务能力。因此,存在对干预的临床需求
【主题与分类】
主题标签:Parkinson's Disease (PD)。本站分类:神经系统疾病/帕金森病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07835230
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/NCT07835230
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:帕金森病(PD)。背景与原理 平衡控制是一项复杂功能,由中枢神经系统内一个分布式神经网络管理,其中基底节作为核心节点,与大脑皮层、脑干和小脑协同运作。该网络跨越多种神经化学系统,包括多巴胺能、胆碱能和血清素能通路。在帕金森病(PD)中,这一多层次系统在早期即受损,导致轴向僵硬和进行性姿势不稳等症状。当前的标准治疗,如左旋多巴和脑深部电刺激(DBS),往往无法解决整体平衡功能障碍。虽然左旋多巴可能改善步速,但它可能矛盾性地加重姿势摇摆,并且无法显著改善动态平衡或双任务能力。因此,临床需要针对整体平衡网络而非孤立靶点的干预措施。
研究假设 本试验的核心假设是:与简单的运动方案相比,能够广泛且同时挑战平衡控制分布式神经网络的身体锻炼,在改善轻中度帕金森病患者的多个平衡领域方面显著更为有效。研究人员提出,要实现整体改善,干预措施必须模拟日常生活中功能性活动的同时性需求。在本研究中,采用基于拳击的平衡与敏捷性训练(EBA-B)作为具体工具,以操作化这种高强度、多领域的神经挑战。研究设计 本研究是一项随机、交叉、对照临床试验。参与者被随机分为两组(EF和EDU),两组仅在所接受干预措施的先后顺序上有所不同。每位参与者的总研究时长约为19周,包括:* 第一阶段:8周干预(EBA-B或AC)。* 洗脱期:3周不进行与研究相关的运动,以尽量减少遗留效应。* 第二阶段:8周
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。




