多靶点DBS前后临床评分数据集
该数据集来自 search.dataone.org,收录多靶点脑深部电刺激(DBS)治疗前后临床评分,面向混合与复杂运动障碍患者

基本信息
资源简介
多靶点DBS前后临床评分数据集
Clinical scores before and after multi-nodal DBS
该数据集来自 search.dataone.org,收录多靶点脑深部电刺激(DBS)治疗前后临床评分,面向混合与复杂运动障碍患者。源站描述提及 Stanford University 的十五例初始队列,采用同时刺激多对同源核团的多靶点策略。数据可用于评估多靶点DBS对复杂运动障碍症状的改善效果,支持神经系统疾病与神经外科相关研究(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):背景 混合性和复杂性运动障碍是手术治疗的重要挑战。这些疾病状态可能是影响多条通路的联合或复杂网络病理的结果1-4。直到最近,用脑深部电刺激(DBS)治疗复杂运动障碍的尝试主要集中于刺激单个深部靶点以解决患者最严重的症状5-14。然而,通过同时刺激一对以上同源核团的多靶点DBS靶向方法可能是一种更有效的治疗策略。在此,我们展示利用多靶点刺激治疗混合性和复杂性运动障碍的技术和初始病例系列。方法 一个初始队列的十五名混合性和复杂性运动障碍患者就诊于Stanford University,接受了多靶点刺激方法。在这些患者中
【主题与分类】
主题标签:Movement disorders、medicine、Neurology、Neurosurgery。本站分类:神经系统疾病/帕金森病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A4afe65c1637b387d9297b719c0bd9e22ef2b43909a433fa46f77b27ea8b14cc4
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
背景 混合性和复杂性运动障碍对外科治疗构成重大挑战。这些疾病状态很可能是影响多条通路的联合或复杂网络病理所致1-4。直到最近,采用深部脑刺激(DBS)治疗复杂性运动障碍的尝试主要集中于刺激单一深部靶点,以解决患者最严重的症状5-14。然而,通过同时刺激一对以上同源核团的多靶点DBS方法可能是一种更有效的治疗策略。在此,我们介绍利用多靶点刺激治疗混合性和复杂性运动障碍的技术及初始病例系列。方法 最初一组15例就诊于斯坦福大学的混合性和复杂性运动障碍患者接受了多靶点刺激方法。在这些患者中,多个(即>2个)同时深部靶点仅通过2个钻孔植入……,最初一组15例就诊于斯坦福大学的混合性和复杂性运动障碍患者接受了多靶点刺激方法。在这些患者中,多个(即
2)通过仅2个钻孔同时植入深部靶点,并连接至单个32通道脉冲发生器。临床评分包括统一帕金森病评定量表(UPDRS)和震颤临床评定量表(CRST),取自术前和术后访视的病历回顾。
利用多节点脑深部刺激治疗复杂运动障碍:术前与术后临床评分 https://doi.org/10.5061/dryad.qv9s4mwp2 对15例患者在接受3-4根定向脑深部刺激电极植入术前和术后进行了评估,这些电极靶向两个(通常为双侧)不同的核团,以解决多种主要运动障碍症状。植入术前和术后的临床评分被
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。




