运动障碍与早期适应不良图式
该数据集来自 clinicaltrials.gov,聚焦运动障碍与早期适应不良图式,涉及功能性运动障碍、帕金森病和肌张力障碍

基本信息
资源简介
运动障碍与早期适应不良图式
该数据集来自 clinicaltrials.gov,聚焦运动障碍与早期适应不良图式,涉及功能性运动障碍、帕金森病和肌张力障碍。功能性神经障碍(FND)是无法用中枢神经系统病灶或已识别功能障碍解释的神经症状,常被漏诊但常见且高度致残;功能性运动障碍是 FND 的亚类,影响自主运动指令。童年创伤事件见于 30% 至 80% 的 FND 患者,且比健康对照和患者对照更常见。已有研究描述了 FND 的风险、持续和维持因素,并有团队尝试将其纳入精神病理学模型(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:功能性运动障碍、帕金森病、肌张力障碍。功能性神经障碍(FND)是无法用病灶或与已识别中枢神经系统功能障碍相关的神经症状。FND 虽然常见且高度致残,但诊断不足。功能性运动障碍是 FND 的一个亚类,影响自主运动指令。在 30% 至 80% 的 FND 患者中发现童年创伤事件,并且在功能性神经障碍患者中比健康对照和患者对照更常见。总体而言,FND 中已描述了风险因素、持续因素和维持因素,一些团队研究如 Brown R. 等人尝试将其纳入精神病理学模型,如 2004 年的整合概念模型。尽管如此,尚无研究分析过患病率
【主题与分类】
主题标签:Functional Movement Disorder、Parkinson Disease、Dystonic Disorders。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/NCT03717376
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/NCT03717376
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:功能性运动障碍、帕金森病、肌张力障碍。功能性神经障碍(FND)是指无法由病变解释或与中枢神经系统已识别的功能障碍相关的神经症状。尽管FND常见且高度致残,但其诊断率偏低。功能性运动障碍是FND的一个亚类,影响自主运动指令。在30%至80%的FND患者中发现有童年创伤事件,且相较于健康对照组和患者对照组,这类事件在功能性神经障碍患者中更为常见。总体而言,FND中已描述了风险因素、持续因素和维持因素,一些团队研究如Brown R.等人尝试将其纳入精神病理学模型,如2004年的整合概念模型。然而,尚无研究分析这些患者中早期适应不良图式(EMS)的普遍性。通过Young图式问卷(YSQ)测量的EMS被认为是一系列心理健康问题的基础,尤其是人格障碍。
杰弗里·杨在20世纪90年代通过所谓的“图式疗法”发展了这一概念。早期适应不良图式被提出作为人格障碍和长期性格问题治疗的核心和主要目标。目前对早期适应不良图式的定义是“一个广泛的、 pervasive 的主题或模式,由关于自我和人际关系的记忆、情绪、认知和身体感觉组成,在童年或青少年时期发展,在一生中不断 elaborat,并在很大程度上功能失调”。它已在多种病症中进行了研究,如肥胖、人格障碍、创伤后应激障碍或强迫症,在这些病症患者中发现了一些早期适应不良图式的特异性。在我们的研究中,我们假设其中一些早期适应不良图式可能参与FND的精神病理学和严重程度。本研究的主要结局是评估……的患病率
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。




