运动障碍患者功能性叠加观察性研究
本数据集来自 clinicaltrials.gov,为一项针对运动障碍患者功能性叠加的观察性研究,覆盖转换障碍、帕金森病、震颤和肌张力障碍等疾病

基本信息
资源简介
运动障碍患者功能性叠加观察性研究
本数据集来自 clinicaltrials.gov,为一项针对运动障碍患者功能性叠加的观察性研究,覆盖转换障碍、帕金森病、震颤和肌张力障碍等疾病。源站描述指出功能性神经障碍在神经科门诊患者中比例可达16%,与生活质量下降、永久性损害及不良预后相关,尤其诊断延迟时。其病因和危险因素涉及心理应激、童年创伤、女性、抑郁焦虑或创伤后应激障碍等精神疾病,以及肠易激综合征或慢性疼痛综合征等功能性疾病,患者常报告认知主诉。数据可用于相关预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:转换障碍、帕金森病、震颤、肌张力障碍。功能性神经障碍(FND)是常见的神经系统疾病,在神经科门诊患者中比例高达16%。它们与生活质量显著下降相关,可导致永久性损害,且预后不良,尤其是诊断延迟时。FND具有多因素病因和危险因素,包括心理应激源、童年创伤、女性性别、抑郁症、焦虑障碍或创伤后应激障碍等精神疾病,以及肠易激综合征或慢性疼痛综合征等其他功能性疾病。FND患者常报告额外的认知主诉(“认知迷雾”)。各种调节机制的失配、感觉处理和运动输出的紊乱被认为是核心
【主题与分类】
主题标签:Conversion Disorder、Parkinson Disease、Tremor、Dystonia。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/NCT05943652
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/NCT05943652
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:转换障碍、帕金森病、震颤、肌张力障碍。功能性神经障碍(FND)是常见的神经系统疾病,在神经内科门诊患者中高达16%。它们与生活质量显著下降相关,可能导致永久性损伤,并且预后不良,尤其是当诊断延迟时。FND的病因和风险因素是多方面的,包括心理应激源、童年创伤、女性性别、精神疾病如抑郁症、焦虑障碍或创伤后应激障碍,以及其他功能性疾病如肠易激综合征或慢性疼痛综合征。FND患者常报告额外的认知抱怨(“认知迷雾”)。各种调节机制的失配、感觉处理和运动输出的中断被认为是发病机制的核心部分。FND的一个特征性表现是症状随注意力变化。FND可因注意力增加而加剧,因分心而减弱。
功能性神经障碍(FND)的阳性诊断标准已于近期确立,因此从定义上讲,FND不再是一种排除性诊断。FND的临床表现多样,包括肢体运动控制受损、可能与癫痫发作相关的警觉性障碍,以及非运动症状。FND常与疼痛、疲劳、睡眠障碍和认知障碍同时出现并常共存。尤其是非运动性功能症状对患者具有高度致残性。“器质性”神经系统疾病与FND在同一患者中的共存(“功能性叠加”)可能并不少见,但迄今为止主要在帕金森病和癫痫患者中进行了研究。然而,在运动障碍患者中识别FND非常重要,以便对其进行充分治疗并保护其免受不当治疗(手术、不必要的药物治疗等)。然而,其基本前提是对fr的探索
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。




