催眠在立体定向手术中的有效性与可靠性
该数据集来自 clinicaltrials.gov,聚焦催眠及催眠镇静技术在立体定向神经外科手术中的应用,覆盖帕金森病、特发性震颤和原发性肌张力障碍等神经系统疾病

基本信息
资源简介
催眠在立体定向手术中的有效性与可靠性
该数据集来自 clinicaltrials.gov,聚焦催眠及催眠镇静技术在立体定向神经外科手术中的应用,覆盖帕金森病、特发性震颤和原发性肌张力障碍等神经系统疾病。源站描述指出,过去十年间无镇静药物的催眠与联合镇静药物的催眠镇静在外科领域被广泛讨论并实践,神经外科中清醒手术的催眠镇静已有成功报道,患者反馈积极,且在功能区脑病变切除范围上取得良好结果。自1990年以来,多个研究组发现催眠相关现象及其对疼痛信号感知的影响,并显示前扣带区活动受到调节。该数据可用于神经系统疾病手术中催眠相关主题的分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:帕金森病、特发性震颤、原发性肌张力障碍。在过去十年中,催眠(不使用镇静药物)和催眠镇静程序(催眠联合镇静药物)在外科手术过程中的作用已被广泛讨论,这些技术目前在外科领域广泛实践,例如在甲状腺切除术中。具体在神经外科中,近期已有报道称在清醒神经外科手术中成功使用催眠镇静,患者反馈积极,同时在位于功能区脑病变的切除范围方面也取得了良好结果。自1990年以来,许多研究组确认了催眠相关现象的存在及其对疼痛信号感知的影响。这些作者表明,前扣带区活动存在调节
【主题与分类】
主题标签:Parkinson Disease、Tremor, Essential、Dystonia, Primary。本站分类:神经系统疾病/帕金森病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03074422
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://clinicaltrials.gov/study/NCT03074422
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
疾病:帕金森病、特发性震颤、肌张力障碍、原发性。过去10年间,关于催眠(未使用镇静药物)及催眠镇静程序(辅以镇静药物的催眠)在外科手术过程中的作用已有广泛讨论,这些技术目前在外科领域得到广泛应用,例如在甲状腺切除术中。具体到神经外科,近期有报道称在清醒神经外科手术中成功使用催眠镇静,患者反馈积极,并且在位于功能区的脑部病变切除范围方面也取得了良好结果。自1990年以来,许多研究团队发现了催眠相关现象的存在及其对疼痛信号感知的影响。这些作者表明,前扣带回区域活动受到调节,并且与参与痛觉的其他关键区域的相互连接也发生了改变。在此背景下,催眠在疼痛调节以及更广泛的外科麻醉患者管理中的潜力得到了确立。
在各种神经外科手术中,需要使用立体定向框架;通过使用坐标(x、y和z),这些坐标在干预前在框架上计算并报告,可以设定一个精确的目标(取决于手术类型),由外科医生达到。例如,在对帕金森病(PD)患者进行脑深部刺激(DBS)时,电极被引入大脑,深达底丘脑核(STN),其位于上脑干中一个非常小的区域。立体定向框架在患者头部的安装是在局部麻醉(LA)下进行的,因为患者在安装过程中以及随后的手术干预期间是清醒的。这种安装是通过将设备直接穿过皮肤拧入患者颅骨来完成的。这一时刻被报告为“疼痛”到“极度疼痛”
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。




