重复经颅磁刺激(rTMS)启动的自我控制练习对帕金森病患者的影响
PD 常伴随运动学习受损与动机下降,影响康复效果。既往横断面证据提示,让 PD 患者自我控制训练参数可增强运动学习、提升动机并促进认知加工,但跨多次训练会话的自我控制练习效果尚不明确

基本信息
资源简介
重复经颅磁刺激(rTMS)启动的自我控制练习对帕金森病患者的影响
该数据集来自 clinicaltrials.gov,聚焦帕金森病(PD)患者。PD 常伴随运动学习受损与动机下降,影响康复效果。既往横断面证据提示,让 PD 患者自我控制训练参数可增强运动学习、提升动机并促进认知加工,但跨多次训练会话的自我控制练习效果尚不明确。同时,PD 中额-纹状体环路功能障碍可能限制单纯运动训练的神经可塑性反应,因此可能需要 rTMS 等辅助神经调控启动手段来优化疗效。目前 rTMS 启动联合自我控制运动训练是否有效仍不清楚(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(PD)。帕金森病(PD)通常与运动学习受损和动机降低相关,二者均会对康复结果产生负面影响。既往横断面证据表明,为 PD 患者提供对训练参数的自我控制访问可增强运动学习、提高动机并促进认知加工。然而,在重复训练会话中实施的自我控制练习的效果仍未被充分探索。此外,鉴于 PD 中额-纹状体环路的功能障碍可能限制单纯运动训练的神经可塑性反应,可能需要重复经颅磁刺激(rTMS)等辅助神经调控启动方法来优化治疗效果。迄今为止,rTMS 启动联合自我控制运动训练是否有效仍不清楚。
【主题与分类】
主题标签:Parkinson Disease (PD)。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/NCT07832695
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/NCT07832695
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
条件:帕金森病(PD)。帕金森病(PD)通常与运动学习受损和动机降低相关,这两者都会对康复结果产生负面影响。既往的横断面证据表明,为PD患者提供对训练参数的自主控制权可增强运动学习、提高动机并促进认知加工。然而,在重复训练课程中实施自主控制练习的效果仍未被充分探索。此外,鉴于PD中额纹状体回路的功能障碍可能限制单纯运动训练的神经可塑性反应,可能需要诸如重复经颅磁刺激(rTMS)等辅助神经调控启动方法来优化治疗效果。迄今为止,rTMS启动联合自主控制运动训练是否能产生更优的临床获益,以及刺激不同皮层靶点是否产生差异化效应,仍不清楚。
特别是,背外侧前额叶皮层(DLPFC)作为参与认知控制和动机的关键区域,与初级运动皮层(M1)的刺激相比,可能提供不同的治疗效果。本研究旨在探讨在帕金森病(PD)患者中,先对DLPFC或M1进行rTMS启动刺激,随后进行自我控制运动训练的效果,并将这些效果与假刺激条件进行比较。这项单盲、随机对照试验将招募90名PD患者,将其匹配为45对,并随机分配到三种刺激条件之一:DLPFC、M1或假刺激。在每一对中,一名参与者将被分配到自我控制练习条件,另一名则分配到接受由其匹配对象决定的相同训练内容的配对控制条件。每位参与者将接受12次干预。在每次干预中,首先进行rTMS作为启动干预,紧接着进行45分钟
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。




