Istradefylline治疗帕金森病冻结步态研究数据

该数据集来自figshare,与一项关于istradefylline治疗帕金森病冻结步态的单臂、开放标签、前瞻性、多中心研究相关

google_dataset
2025-04-23 更新
浏览 3
其他分类帕金森病姿势不稳步态障碍冻结步态机器学习分类加速度计
Data from: Efficacy of istradefylline for gait disorders with freezing of gait in Parkinson’s disease: A single-arm, open-label, prospective, multicenter study

基本信息

模态
其他
大小
0.00010301 GB
任务类型
分类
许可
CC BY 4.0
创建/更新时间
2025-04-23
版本
v1

资源简介

Istradefylline治疗帕金森病冻结步态研究数据

Emulated postural instability data

该数据集来自figshare,与一项关于istradefylline治疗帕金森病冻结步态的单臂、开放标签、前瞻性、多中心研究相关。数据通过佩戴加速度计的结构进行模拟生成,包含稳定站立、前后不稳、内外侧不稳和整体不稳四类姿势不稳状态,分为训练数据和测试数据两个文件。该数据可用于基于机器学习模型的姿势不稳分类任务研究(来源 figshare,CC BY 4.0 许可)。

【数据集背景】

项目资助方:4FRAILTY project, PNR 2015-2020, code N. ARS01 00345, CUP E66C18000200005.。源站首次发布:2025-04-23。

【数据内容】

源站描述(机器翻译,仅供参考):该研究与使用机器学习模型对姿势不稳进行分类有关。数据通过安装加速度计的结构进行模拟,包括4类姿势不稳:稳定站立、前后不稳、内外侧不稳和整体不稳。

【数据结构与技术规格】

文件数 2 个,合计 103.01 KB。数据集 DOI:10.6084/m9.figshare.28847261.v1。

【主题与分类】

源站学科分类:Electronic sensors。主题标签:帕金森病、姿势不稳、步态障碍、冻结步态、机器学习分类、加速度计。本站分类:神经系统疾病/帕金森病。

【适用方向】

源站学科分类标注为 Electronic sensors。

【获取与许可】

源站页面:https://figshare.com/articles/dataset/Emulated_postural_instability_data/28847261

使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。

规范引用:Manenti, Mattia (2025). Emulated postural instability data. figshare. Dataset

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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(Figshare)

命令行下载

curl -L -o "Test Data.txt" "https://ndownloader.figshare.com/files/53925449"
curl -L -o "Training Data.txt" "https://ndownloader.figshare.com/files/53925461"

文件清单

  • Test Data.txt(25.83 KB)
  • Training Data.txt(77.18 KB)

文件总体积 103.01 KB(源站 API 实测)。

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。

数据说明

该研究与使用机器学习模型对姿势不稳进行分类有关。数据通过安装加速度计的结构进行仿真生成,包括4类姿势不稳:稳定站立、前后不稳、内外侧不稳和一般性不稳。

许可

CC BY 4.0

引用

学术使用请引用 DOI 10.6084/m9.figshare.28847261.v1(source: https://figshare.com/articles/dataset/Emulated_postural_instability_data/28847261)。

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。

获取专属数据定制方案