优化帕金森病自适应DBS

数据集获取

源站：https://clinicaltrials.gov/study/NCT07798271

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：帕金森病（疾病）。自适应脑深部电刺激（aDBS）根据植入式脑深部电刺激（DBS）系统记录的大脑活动自动调整刺激。目前aDBS的临床程控依赖于在短暂门诊访视期间收集的大脑活动记录。然而，帕金森病症状及其潜在的大脑活动会因药物、日常活动和其他因素而在一天中波动。目前尚不清楚在常规门诊访视期间收集的记录是否能充分捕捉优化日常生活自适应DBS所需的大脑信号。市售的具备传感功能的DBS系统现在允许对日常生活期间的大脑活动进行长期记录。这些记录为在真实世界条件下表征患者特异性大脑信号提供了机会，并可确定纳入这些信息是否能改善自适应DBS程控和临床结局。本研究探讨两个主要问题：1.

在药物状态下对脑信号进行更全面的临床内特征描述，是否比当前基于临床的方法更能改善自适应DBS编程？2. 纳入慢性居家脑活动记录是否能进一步改善自适应DBS编程和临床结局？该研究由两个连续部分组成。第1部分：脑信号特征描述与自适应DBS编程。所有入组参与者将使用市售的具备感知功能的DBS系统，在药物和刺激状态下接受全面的临床内测试。随后，将利用该设备的慢性感知能力，结合参与者报告的症状，在日常生活中记录脑活动。这些数据将用于识别与药物状态和运动症状相关的患者特异性脑信号，并开发个体化、数据驱动的自适应DBS设置。脑信号能够追踪其运动症状的参与者将有资格

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。