神经系统与精神疾病中的脑感知

数据集获取

源站：https://clinicaltrials.gov/study/NCT04810325

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

疾病：运动障碍、肌张力障碍、帕金森病、震颤。多动性和少动性运动障碍均与基底节环路内异常的时空活动有关13,16,17。这可以通过测量局部场电位（LFPs）来评估，局部场电位代表了特定部位同步神经元活动的产物（不同步的随机活动基本上被抵消）13。许多其他疾病，如强迫症、重度抑郁症、图雷特综合征、癫痫、进食障碍和丛集性头痛，也适合使用DBS进行成功调节6-11。这些疾病可能也具有独特的、疾病特异性的电生理特征，其确切性质仍有待彻底明确。异常电生理活动不仅有助于阐明这些疾病的病理生理基础，而且对于未来开发适应性DBS系统至关重要，该系统能够实时响应以改善病理性脑活动12。

自适应DBS可能比目前采用的连续DBS方法提供更多临床益处，且能量需求仅为其一小部分12。在DBS电极置入时使用微电极记录以及从外置DBS电极记录的研究均已发现，不同疾病中存在不同的神经生理特征。例如，帕金森病中过度的β频率振荡、肌张力障碍中的α和θ频率振荡以及运动障碍中的γ振荡。这些疾病的神经生理生物标志物可受到高频DBS应用的影响。未来的闭环DBS系统可能依赖于实时抑制此类异常的基底节活动。帕金森病中的LFP大量研究已证实，从丘脑底核和苍白球内侧部记录的β频率振荡与帕金森病中运动迟缓和僵硬的严重程度相关13,16。

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。