rTMS干预左旋多巴诱导的运动障碍
源站描述指出,针对pre-SMA的1-Hz rTMS可延迟并减轻患者服药后的运动障碍严重程度,提示pre-SMA是脑刺激治疗的有前景靶点

基本信息
资源简介
rTMS干预左旋多巴诱导的运动障碍
该数据集来自clinicaltrials.gov,聚焦帕金森病长期使用左旋多巴后出现的运动障碍(Levodopa-Induced Dyskinesia)。源站描述指出,针对pre-SMA的1-Hz rTMS可延迟并减轻患者服药后的运动障碍严重程度,提示pre-SMA是脑刺激治疗的有前景靶点。当前研究旨在基于既往研究优化刺激强度和位置。数据可用于神经系统疾病中运动障碍相关脑刺激干预的分析与建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:药物诱导的运动障碍、帕金森病。帕金森病(PD)中长期使用左旋多巴常导致运动并发症,如左旋多巴诱导的运动障碍,严重影响患者日常生活。经颅磁刺激(TMS)治疗已针对多个脑区,包括辅助运动区(SMA)、初级运动皮层、小脑和前额叶皮层。具体而言,针对pre-SMA的1-Hz rTMS已被证明可延迟并减轻PD患者服用左旋多巴后运动障碍的严重程度。这些发现表明,pre-SMA是脑刺激治疗的有前景靶点,因为它在峰值剂量运动障碍的病理生理学中起因果作用。当前研究旨在基于既往研究,通过优化刺激强度和位置来进一步推进。
【主题与分类】
主题标签:Dyskinesia, Drug-Induced、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/NCT06570824
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/NCT06570824
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:运动障碍、药物诱发性、帕金森病。帕金森病(PD)患者长期使用左旋多巴常导致运动并发症,如左旋多巴诱发性运动障碍,严重影响患者的日常生活。经颅磁刺激(TMS)治疗已针对多个脑区,包括辅助运动区(SMA)、初级运动皮层、小脑和前额叶皮层。具体而言,以1 Hz rTMS靶向前辅助运动区(pre-SMA)已被证明可延迟和减轻PD患者服用左旋多巴后运动障碍的严重程度。这些发现表明,前辅助运动区是脑刺激治疗的一个有前景的靶点,因为它在剂量峰值运动障碍的病理生理学中起着因果作用。本研究旨在基于个体神经解剖学和模拟电场优化刺激强度和位置,以建立在既往研究基础之上。此外,本研究将探索以短高频爆发方式给予rTMS的影响,这与既往研究中使用的单次rTMS脉冲不同。
在LID的背景下,深部脑刺激(DBS)通常以伽马频率(40-200 Hz,最常用130 Hz)靶向丘脑底核(STN)。基于这一原理,本研究假设以伽马频率向pre-SMA传递rTMS爆发式刺激将有效减轻LID症状。此外,来自皮层脑节律记录的证据表明,对运动控制至关重要且在PD中受到破坏的贝塔频率(12-30 Hz)也可能具有治疗潜力。因此,本研究将探讨以贝塔频率进行的rTMS爆发式刺激是否同样能减轻LID症状。鉴于此前没有直接比较不同爆发频率对LID效果的研究,本研究将在不同的患者组中系统性地应用两种不同的爆发频率,以确定其中哪一种(如果有的话)能对LID症状产生有意义的减轻。运动障碍发作时间和严重
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。




