帕金森病简化可扩展24小时自适应DBS

数据集获取

源站：https://clinicaltrials.gov/study/NCT07398157

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

疾病：PD——帕金森病。帕金森病（PD）影响60岁以上人群的1%，具有高度致残性，并造成巨大的经济负担。治疗选择包括多巴胺能替代疗法和针对晚期疾病的常规DBS（cDBS）。然而，cDBS疗法目前无法响应患者的动态临床状态，导致白天症状控制欠佳。自适应DBS（aDBS）试图通过根据神经信号对刺激进行个性化动态调节来解决这一问题。aDBS的早期研究（由Little博士、Starr博士及其他研究团队完成）提供了原理验证，表明aDBS可以改善运动症状并减少副作用。我们的团队还在一项随机、盲法研究中测试了完全嵌入式的慢性自然状态aDBS，结果显示与cDBS相比，日间运动症状和生活质量均有改善。此外，研究人员最近还验证了睡眠分期特异性的非快速眼动（NREM）aDBS，该疗法增加了皮层慢波（与疾病进展减缓相关）。

然而，充分利用这些极具前景的疗法目前受到以下因素的限制：1）缺乏用于慢性皮层记录的实用（微创）方法。2）由于参数空间庞大，aDBS编程复杂。3）神经信号在多个时间尺度上的波动，包括昼夜节律变化和信号的长期非平稳性。我们的长期目标是通过高效、可扩展的实施，将aDBS从专业研究实验室推进到现实世界的临床，具体进展如下：1）通过将皮层电极置于帽状腱膜下间隙而非颅骨内，降低慢性皮层传感的风险和复杂性。2）利用机器学习（ML）以及数据驱动的生物标志物和优化技术，最大限度地降低aDBS编程复杂性。3）在全天24小时周期内优化aDBS——包括睡眠期间，并采用长期更新aDBS设置的方法。研究设备将是recharg

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。