中枢神经系统射频消融前瞻性结局研究 - RAPID for CNS
该数据集来自 clinicaltrials.gov，聚焦中枢神经系统射频消融的前瞻性结局研究，覆盖帕金森病、肌张力障碍、特发性震颤及运动障碍等疾病
基本信息
资源简介
中枢神经系统射频消融前瞻性结局研究 - RAPID for CNS
RAPID for CNS 是一项聚焦中枢神经系统射频消融治疗的前瞻性结局研究数据集，其英文全称为 Radiofrequency (RF) Ablation Prospective Outcomes Study for Central Nervous System - RAPID for CNS。该数据集来源于 clinicaltrials.gov，在分类上归属于神经系统疾病下的帕金森病方向。研究关注的是波士顿科学公司（Boston Scientific Corporation）已获商业批准的射频消融系统，在中枢神经系统功能神经外科中的真实世界应用结局。数据集覆盖的疾病主题包括帕金森病、肌张力障碍、特发性震颤以及更广泛的运动障碍。整体而言，该数据集为观察射频消融在功能神经外科领域的实际疗效与表现提供了前瞻性研究视角，适合关注运动障碍疾病神经调控治疗的研究者与临床人员参考。
【数据集背景】
该数据集所对应的研究，其核心目标在于汇总波士顿科学公司已商业批准的射频消融系统在中枢神经系统内、用于功能神经外科时的真实世界结局。研究涉及的疾病条件包括帕金森病、肌张力障碍、特发性震颤以及运动障碍。射频消融作为一种在功能神经外科中使用的技术手段，其在这类疾病中的实际应用效果，正是该前瞻性结局研究希望观察和记录的对象。数据集在分类体系中位于神经系统疾病下的帕金森病类别，同时通过主题标签覆盖了更广的运动障碍谱系。
【数据内容】
数据集的主题标签明确列出帕金森病、肌张力障碍、特发性震颤和运动障碍。源站描述中列出的疾病条件与主题标签一致，均围绕上述四类运动障碍相关疾病展开。研究关注的对象是射频消融系统在中枢神经系统功能神经外科中的应用结局。除上述疾病范围与研究对象外，源站未提供关于具体变量、指标、随访时间点或样本规模等更细粒度的数据内容说明。
【采集与来源】
该数据集来自 clinicaltrials.gov。其研究设计为前瞻性结局研究，即在前瞻性框架下收集射频消融系统用于中枢神经系统功能神经外科的真实世界结局。研究涉及的产品为波士顿科学公司已获商业批准的射频消融系统。除来源站与前瞻性研究性质外，源站未提供关于采集机构、采集地区、采集时间跨度或数据录入方式等进一步信息。
【适用场景】
基于其疾病覆盖范围，该数据集适用于关注帕金森病、肌张力障碍、特发性震颤及运动障碍等疾病神经外科治疗的研究与临床场景。由于研究聚焦于已商业批准的射频消融系统在中枢神经系统中的真实世界结局，其潜在用途包括了解该类系统在功能神经外科实际应用中的表现。源站未提供关于具体分析用途、统计方法或应用限制的进一步说明。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT06553625
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、肌张力障碍、特发性震颤、运动障碍。本研究旨在汇总波士顿科学公司经商业批准的射频消融系统在中枢神经系统用于功能性神经外科的实际应用成果。
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。
