分带跑台训练改善帕金森病冻结步态

该数据集来自 clinicaltrials.gov,主题为分带跑台训练对帕金森病冻结步态的影响。分带跑台是一种具有两条跑带的跑台,每条腿可在不同速度下驱动

KU LeuvenKU Leuven
clinicaltrials
浏览 22
其他预测Parkinson DiseaseFreezing of GaitSplit-belt Treadmill
Split-belt Treadmill Training for Freezing of Gait in Parkinson's Disease

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-07

资源简介

分带跑台训练改善帕金森病冻结步态

该数据集来自 clinicaltrials.gov,主题为分带跑台训练对帕金森病冻结步态的影响。分带跑台是一种具有两条跑带的跑台,每条腿可在不同速度下驱动。研究者此前发现,单次分带跑台训练可改善帕金森病患者的多任务转身表现并减少冻结步态,但重复训练的效果能否长期迁移至地面情境尚不明确。本研究将开展为期四周的分带跑台干预,并加入日常转身场景练习或安慰剂运动,评估其对实验室及家庭环境中冻结步态的影响。数据可用于神经系统疾病与步态康复相关研究(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、冻结步态、分带跑台。分带跑台(SBT)是一种具有两条跑带的跑台,每条腿可在不同速度下驱动。研究者此前的工作表明,单次SBT训练可改善帕金森病患者(PwPD)在实验室测试中的多任务转身表现并减少冻结步态(FOG)。然而,后续工作提出了疑问:重复SBT训练后的跑台改善能否长期迁移至地面情境。因此,在本研究中,研究者将进行为期四周的SBT干预,并加入日常转身场景练习(SBT+CP)或安慰剂运动(SBT+PL),研究其对实验室和家庭环境中FOG的影响。

【主题与分类】

主题标签:Parkinson Disease、Freezing of Gait、Split-belt Treadmill。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/NCT05511597

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT05511597

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

条件:帕金森病、步态冻结、分带跑台。分带跑台(SBT)是一种具有两条跑带的跑台,每条腿可在不同速度下驱动。研究者先前的工作表明,一次SBT训练改善了帕金森病患者的转身同时执行多任务的能力,并减少了在实验室测试中的步态冻结。然而,后续研究提出了疑问,即重复SBT训练后的跑台改善是否长期泛化到地面行走情境。因此,在本研究中,研究者将进行为期四周的SBT干预,附加日常转身场景练习(SBT+CP)或安慰剂运动(SBT+PL),并研究其对实验室和家中步态冻结的影响。

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。

获取专属数据定制方案