3T MRI靶向帕金森病患者丘脑底核的新方法
该数据集来自 clinicaltrials.gov,聚焦帕金森病患者在 3T MRI 下靶向丘脑底核(STN)的新方法研究

基本信息
资源简介
3T MRI靶向帕金森病患者丘脑底核的新方法
该数据集来自 clinicaltrials.gov,聚焦帕金森病患者在 3T MRI 下靶向丘脑底核(STN)的新方法研究。源站描述指出,STN 深部脑刺激(DBS)是治疗严重帕金森病的成熟手段,可改善运动症状约 50% 至 80%,全球已有超过 85,000 名患者接受该系统植入,自 1997 年起在 Pitié Salpêtrière(GHPS)可用。数据可用于研究电极植入深部脑结构的定位质量与影像方法(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:帕金森病。丘脑底核(STN)的深部脑刺激(DBS)是一种经过验证的手术,在法国及国际许多中心用于治疗严重形式的帕金森病(PD)。通过刺激 STN 对帕金森病运动症状的改善平均为 50% 至 80%。DBS 的主要优势在于手术发病率和死亡率低、可适应患者症状且效果可逆。该治疗现已成为常规,全球已有超过 85,000 名患者受益于该系统的植入。自 1997 年以来,该治疗已可供在 Pitié Salpêtrière(GHPS)随访的患者使用。将刺激电极植入深部脑结构以实现良好效果,尤其是在 PD 患者的 NST 中,其植入质量至关重要。准确识别
【主题与分类】
主题标签:Parkinson Disease。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/NCT02800460
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/NCT02800460
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。丘脑底核(STN)的脑深部电刺激(DBS)是一种经过验证的手术方法,在法国及国际上的许多中心用于治疗严重形式的帕金森病(PD)。通过刺激STN,帕金森病运动症状的平均改善率为50%至80%。DBS的主要优势在于手术的发病率和死亡率低,可根据患者症状进行调整,且其效果是可逆的。这种治疗现已成为常规手段,全球已有超过85,000名患者受益于该系统的植入。自1997年以来,Pitié Salpêtrière医院(GHPS)随访的患者即可接受此治疗。将刺激电极植入大脑深部结构,尤其是在PD患者的STN中,其植入质量对于获得优异结果至关重要。在每位待手术患者的MRI上准确识别这些深部核团,特别是STN,是至关重要的一步,直接影响手术的顺利进行和最终的临床结果。
NST在MRI上的可视化仍然困难,且因患者而异,需要特定序列甚至专门针对该活动的序列。在GHPS中,研究者选择实现一种用于观察NST的高效特定序列,但后者有几个缺点,首先是其持续时间。事实上,患者需要保持静止,头部固定40分钟,而这一主要限制有时因异常运动的严重程度而无法实现。其次是患者之间的变异性,可视化有时不明显。第三是该序列对第三脑室水平的流动伪影敏感,这些伪影显著干扰NST的观察。近年来可用的新MRI技术,尤其是在3特斯拉下,应能更好地显示大脑深部核团,特别是NST。事实上,高场强MRI已成为
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。




