智能手机运动测试区分特发性REM睡眠行为障碍、对照与PD的数据

数据集获取

源站：https://doi.org/10.5061/dryad.3qm0152

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。

数据集大小约 51.7 MB。

数据说明

目的：我们试图通过一款定制智能手机应用程序，识别能够区分经睡眠研究确诊的特发性快速眼动睡眠行为障碍（iRBD）个体与对照组及帕金森病（PD）患者的运动特征。方法：334名PD患者、104名iRBD患者和84名对照参与者执行了七项任务，以评估语音、平衡、步态、手指敲击、反应时间、静止性震颤和姿势性震颤。智能手机记录在诊所和家中非受控条件下收集，持续数天。所有参与者均接受了详细的平行临床评估。仅使用智能手机传感器记录，我们试图：(1) 区分参与者患有iRBD还是PD，(2) 确定上述七项运动任务中哪些在区分各组时最为显著。结果：基于这七项任务，三组之间观察到统计学显著差异。对于三组两两区分比较：(1) 对照组与iRBD，(2) 对照组与PD，(3) iRBD与PD，平均灵敏度和特异度值范围为84.6%至91.9%。

姿势性震颤、静止性震颤和语音总体上是最具区分度的任务，而反应时间最具区分度最低。结论：帕金森病的前驱期形式包括睡眠障碍iRBD，在此阶段，基于临床医生的评定量表（如UPDRS）可检测到细微的运动障碍，但这些量表可能缺乏检测和追踪细微变化的敏感性。消费级智能手机不仅可用于准确区分iRBD与对照组，还可区分iRBD与帕金森病参与者，这为数字生物标志物在早期和前驱期帕金森病中的实用性提供了越来越多的共识。

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。