帕金森病自动机械外周刺激后脑连接急性调节数据
目的:本研究展示了一项双盲假刺激对照试点试验的结果,旨在检验特发性帕金森病患者在接受自动机械外周刺激(AMPS)后是否存在可测量的刺激特异性功能连接变化

基本信息
资源简介
帕金森病自动机械外周刺激后脑连接急性调节数据
目的:本研究展示了一项双盲假刺激对照试点试验的结果,旨在检验特发性帕金森病患者在接受自动机械外周刺激(AMPS)后是否存在可测量的刺激特异性功能连接变化
Data from: Acute modulation of brain connectivity in Parkinson disease after Automatic Mechanical Peripheral Stimulation: a pilot study
【数据集背景】
源站首次发布:2016。
【数据内容】
源站描述(机器翻译,仅供参考):目的:本研究展示了一项双盲假刺激对照试点试验的结果,旨在检验特发性帕金森病患者在接受自动机械外周刺激(AMPS)后是否存在可测量的刺激特异性功能连接变化。方法:11名特发性帕金森病患者(6名女性和5名男性)在假刺激或有效AMPS前后立即接受脑fMRI检查。使用基于种子ROI的分析评估静息态功能连接(RSFC)。种子ROI置于基底节、初级感觉运动皮层、辅助运动区和小脑。获取有效AMPS前后及假刺激条件前后的个体差异,并首先分别进行单样本t检验分析,以评估各条件的平均效应。结果:有效AMPS,而非假刺激
【主题与分类】
主题标签:帕金森病、神经系统疾病、fMRI、静息态功能连接、AMPS、假刺激对照、试点试验。本站分类:神经系统疾病/帕金森病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.s46kt
使用许可:Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.s46kt
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:
数据集大小约 175.4 MB。
数据说明
目的:本研究展示了一项双盲假刺激对照初步试验的结果,旨在检验特发性帕金森病患者在接受自动机械外周刺激(AMPS)后是否存在可测量的刺激特异性功能连接变化。方法:11例特发性帕金森病患者(6名女性,5名男性)在假刺激或有效AMPS前后立即接受脑fMRI检查。采用基于种子感兴趣区(ROI)的分析方法评估静息态功能连接(RSFC)。种子ROI置于基底节、初级感觉运动皮层、辅助运动区和小脑。获取有效AMPS前后及假刺激条件下的个体差异,首先分别进行单样本t检验分析,以评估各条件的平均效应。结果:有效AMPS而非假刺激,可诱导感觉运动皮层、纹状体核团和小脑的RSFC增加。
其次,将两种条件下的个体差异纳入配对组t检验分析,以排除假刺激的阈下效应,结果显示纹状体核与右侧外侧枕叶皮层及楔叶皮层(最大Z分数3.12)、与右侧前颞叶(最大Z分数3.42)以及小脑与右侧外侧枕叶皮层和右侧小脑皮层(最大Z分数3.79)之间的连接性更强。结论:我们的结果表明,有效的AMPS会急性增加参与视觉空间和感觉运动整合的脑区的静息态功能连接。证据分类:本研究提供II级证据,表明自动机械外周刺激可有效调节帕金森病患者的静息态脑功能连接。试验注册:Clinical Trials.gov NCT01815281。
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。




