RGM多模态干预对帕金森病患者认知的短期效果
源站描述显示,RGM 是一种利用节奏和音乐刺激运动、言语和认知的多感官大脑训练方法,参与者在音乐节奏中阅读符号并转化为相应动作

基本信息
资源简介
RGM多模态干预对帕金森病患者认知的短期效果
该数据集来自 clinicaltrials.gov,主题为 RGM(Ronnie Gardiner Method)多模态干预对帕金森病患者认知的短期效果。源站描述显示,RGM 是一种利用节奏和音乐刺激运动、言语和认知的多感官大脑训练方法,参与者在音乐节奏中阅读符号并转化为相应动作。研究关注的条件包括帕金森病、认知、生活质量和功能性移动。初步研究表明 RGM 可能有助于促进神经系统患者的移动能力、认知和幸福感。该 RGM 练习系列被整合进由 Ghent Flemish Parkinson League 组织的“Fit en Actief group classes”中(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:帕金森病(PD)、认知、生活质量、功能性移动。Ronnie Gardiner Method(RGM)是一种愉快、结构化的多感官大脑训练方法,利用节奏和音乐来刺激运动、言语和认知。RGM 趣味性地运用节奏、音乐、运动、言语、听觉、视觉和触觉。在练习过程中,参与者阅读符号并将其“翻译”为相应的动作,随音乐节奏执行。初步研究表明,RGM 可能在促进神经系统患者的移动能力、认知和幸福感方面具有附加价值( RGM 练习系列被整合进由 Ghent Flemish Parkinson League 组织的“Fit en Actief group classes”中——与 Ghent Unive 合作
【主题与分类】
主题标签:Parkinson Disease (PD)、Cognition、Quality of Life、Functional Mobility。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/NCT07863219
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/NCT07863219
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(PD)、认知、生活质量、功能性活动能力。罗尼·加德纳方法(RGM)是一种愉快、结构化的多感官大脑锻炼方法,利用节奏和音乐来刺激运动、言语和认知。RGM 以游戏化的方式运用节奏、音乐、运动、言语、听觉、视觉和触觉。在练习过程中,参与者阅读符号并将其“翻译”为相应的动作,按照音乐的节奏执行。初步研究表明,RGM 可能在促进神经系统患者的活动能力、认知和幸福感方面具有附加价值(https://www.tandfonline.com/doi/full/10.1080/09638288.2024.2392037#d1e1192)。参与者所报名的 RGM 练习系列已整合到由根特弗拉芒帕金森联盟组织的“Fit en Actief 团体课程”中——该课程与根特大学康复科学与物理治疗专业合作开展。课程将于 2026 年 10 月至 12 月进行(共 10 周),每周练习一次,每次 1.5 小时(周四),地点为康复科学与物理治疗专业的实践教室(UH Ghent,B3)。
除锻炼课程本身外,参与者还需每周在家进行两次、每次15分钟的锻炼。在锻炼系列前后,参与者将被邀请参加前测和后测,内容包括管理数据、认知、运动症状、平衡和生活质量。训练过程(家庭锻炼、体验)将通过临时问卷进行记录。之后,将调查参与者在锻炼系列期间用药的变化、(物理)治疗的频率或内容的变化,以及注意力、记忆和计划方面的感知变化。
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。




