肌张力障碍中的局部场电位
该数据集来自 clinicaltrials.gov,主题为肌张力障碍中的局部场电位(LFP)。肌张力障碍是一种致残性运动障碍,表现为持续或间歇性肌肉收缩导致异常姿势和运动

基本信息
资源简介
肌张力障碍中的局部场电位
该数据集来自 clinicaltrials.gov,主题为肌张力障碍中的局部场电位(LFP)。肌张力障碍是一种致残性运动障碍,表现为持续或间歇性肌肉收缩导致异常姿势和运动。GPi 的脑深部电刺激(DBS)是首选治疗反应不佳患者的成熟疗法,但临床反应差异大,刺激参数优化常需数月试错。LFP 是从植入 DBS 电极记录的神经信号,在帕金森病中已用于指导程控和开发自适应刺激策略;在肌张力障碍中,早期研究提示低频 LFP 峰可能与症状相关。该数据可用于探索 LFP 特征与 DBS 疗效的关系,辅助程控优化与自适应刺激研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:肌张力障碍、局灶性肌张力障碍、原发性肌张力障碍。肌张力障碍是一种致残性运动障碍,其特征是持续或间歇性肌肉收缩,导致异常姿势和运动。苍白球内侧部(GPi)的脑深部电刺激(DBS)是对于一线治疗(如肉毒毒素)反应不充分的患者的成熟治疗方法。然而,肌张力障碍患者对 DBS 的临床反应差异很大,刺激参数的优化通常需要数月的试错。这种延迟可能延长残疾时间并增加医疗负担。局部场电位(LFP)是从植入的 DBS 电极记录的神经信号。在帕金森病中,LFP 分析已被用于指导程控和开发自适应刺激策略。在肌张力障碍中,早期研究提示低频 LFP 峰(通常位于 alph
【主题与分类】
主题标签:Dystonia、Dystonia, Focal、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/NCT07309133
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/NCT07309133
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:肌张力障碍、局灶性肌张力障碍、原发性肌张力障碍。肌张力障碍是一种致残性运动障碍,其特征为持续性或间歇性肌肉收缩,导致异常姿势和运动。苍白球内侧部(GPi)脑深部电刺激(DBS)对于一线治疗(如肉毒毒素)反应不佳的患者是一种成熟的治疗方法。然而,肌张力障碍患者对DBS的临床反应差异很大,刺激参数的优化往往需要数月的反复试验。这种延迟可能延长残疾时间并增加医疗负担。局部场电位(LFPs)是从植入的DBS电极记录的神经信号。在帕金森病中,LFP分析已被用于指导程控和开发自适应刺激策略。在肌张力障碍中,早期研究表明低频LFP峰(通常位于α-θ频段)可能与疾病严重程度和最佳刺激部位相关,但这些发现仅限于使用外置导线的短期记录。
美敦力Percept™ DBS系统现可在常规临床诊疗中实现对LFP的长期监测,为验证这些观察结果并评估其临床实用性创造了机会。这项单中心前瞻性研究将评估从GPi记录的LFP特征能否指导原发性肌张力障碍患者的DBS程控。该研究包括一个内部试点阶段,随后是两个主要队列。队列2将接受基于临床评估和影像学的传统程控,并在每次随访时采集LFP记录。队列3将采用LFP引导的方法,根据LFP峰值的位点和特征选择触点及刺激参数。参与者将被随访长达12个月,通过盲法视频评估和标准化评定量表比较不同程控策略的结果。神经生理学指标,如表面肌电图(EMG)、脑电图(EEG)和反应时间任务,也将被
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。




