帕金森姿势估计数据集
包含帕金森病评估视频中提取的运动轨迹、置信度值及UDysRS/UPDRS/CAPSIT评分的数据集。
基本信息
资源简介
该数据集包含从帕金森病评估视频中提取的全身运动轨迹（使用卷积姿态机CPM）及其置信度值，以及使用UDysRS、UPDRS和CAPSIT评分对帕金森病和运动障碍严重程度的实际评估分数。数据模态为视频处理后的时间序列和表格评分，主要任务为姿势估计和疾病严重程度量化，用于帕金森病运动障碍研究。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取
git clone https://github.com/limi44/Parkinson-s-Pose-Estimation-Dataset.git
curl -L -o repo.zip https://github.com/limi44/Parkinson-s-Pose-Estimation-Dataset/archive/refs/heads/master.zip
unzip repo.zip
源站 README 摘录（使用方式）
Parkinson’'s Pose Estimation Dataset
This notebook describes the dataset accompanying the paper: <a href=“https://jneuroengrehab.biomedcentral.com/articles/10.1186/s12984-018-0446-z”>‘‘Vision-Based Assessment of Parkinsonism and Levodopa-Induced Dyskinesia with Deep Learning Pose Estimation’’</a> - Li, Mestre, Fox, Taati (2018).
The dataset is available <a href=“http://individual.utoronto.ca/BabakTaati/Data/PD/UDysRS_UPDRS_Export.zip”>here</a> and is released under the Creative Commons Attribution 4.0 International License. To view a copy of this license, visit http://creativecommons.org/licenses/by/4.0/.
The data includes all movement trajectories extracted from the videos of Parkinson’'s assessments using Convolutional Pose Machines (CPM) (https://arxiv.org/abs/1602.00134), as well as the confidence values from CPM. The dataset also includes ground truth ratings of parkinsonism and dyskinesia severity using the UDysRS, UPDRS, and CAPSIT.
If you use this dataset in your work, please cite the following reference:
<b> M.H. Li, T.A. Mestre, S.H. Fox, and B. Taati, Vision-based assessment of parkinsonism and levodopa-induced dyskinesia with pose estimation, Journal of NeuroEngineering and Rehabilitation, vol. 15, no. 1, p. 97, Nov. 2018. doi:10.1186/s12984-018-0446-z</b>
You may also find the following paper useful. In this paper, we evaluated the responsiveness of features to clinically relevant changes in dyskinesia severity:
<b> M.H. Li, T.A. Mestre, S.H. Fox, B. Taati, Automated assessment of levodopa-induced dyskinesia: Evaluating the responsiveness of video-based features, Parkinsonism & Related Disorders. (2018). doi:10.1016/j.parkreldis.2018.04.036.</b>
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 帕金森病 的高质量、多模态真实临床数据定制解决方案。
