帕金森病与局灶性手部肌张力障碍的运动抑制研究
该数据集来自 clinicaltrials.gov,聚焦帕金森病与局灶性手部肌张力障碍中的运动抑制研究。源站描述指出,任何运动都需要一定规划,主要依赖与脊髓回路相连的额叶皮层神经细胞,这些皮质脊髓投射是大脑控制运动行为的关键通路
基本信息
资源简介
帕金森病与局灶性手部肌张力障碍的运动抑制研究
该数据集来自 clinicaltrials.gov,聚焦帕金森病与局灶性手部肌张力障碍中的运动抑制研究。源站描述指出,任何运动都需要一定规划,主要依赖与脊髓回路相连的额叶皮层神经细胞,这些皮质脊髓投射是大脑控制运动行为的关键通路。通过在初级运动皮层施加单脉冲经颅磁刺激,可在对侧目标肌肉引出运动诱发电位,其波幅可反映刺激时刻兴奋性与抑制性输入的净效应,从而非侵入性地评估皮质脊髓通路的兴奋性。该数据可用于研究帕金森病等神经系统疾病中运动兴奋性与抑制性变化(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:帕金森病。任何运动都需要一定规划,主要依赖与脊髓回路相连的额叶皮层神经细胞,而这些脊髓回路本身有助于调节肌肉活动。这些皮质脊髓投射提供了大脑控制运动行为的关键通路。有趣的是,可以通过在初级运动皮层(M1)上施加单脉冲经颅磁刺激(TMS),在对侧目标肌肉中引出运动诱发电位(MEP),从而在人类中非侵入性地研究皮质脊髓通路的兴奋性。MEP是运动兴奋性的有用指标,因为其波幅提供了在刺激时刻兴奋性和抑制性输入净影响的肌肉特异性测定。关键的是,TMS研究已揭示,皮质脊髓通路在
【主题与分类】
主题标签: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/NCT05209516
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/NCT05209516
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
疾病:帕金森病。任何运动都需要一定的规划,这在很大程度上依赖于与脊髓回路相连的额叶皮层神经细胞,而这些回路本身有助于调节肌肉活动。这些皮质脊髓投射为大脑控制运动行为提供了一条关键路径。有趣的是,通过在人体的初级运动皮层(M1)上施加单脉冲经颅磁刺激(TMS),可以在对侧目标肌肉中诱发运动诱发电位(MEPs),从而非侵入性地研究皮质脊髓通路的兴奋性。MEPs是运动兴奋性的有用指标,因为其波幅提供了刺激时兴奋性和抑制性输入净效应的肌肉特异性检测。关键的是,TMS研究已揭示,在动作准备期间,皮质脊髓通路显示出深刻的抑制性变化,这与抑制过程对运动控制的贡献相一致。
这种效应被称为准备性抑制,已在反应时(RT)任务中得到证实,无论受试者是在一组预定义选项中选择反应(选择RT任务),还是在没有选择的情况下每次试验都必须指定相同的反应(简单RT任务)。在这些任务中,正如预期的那样,在所选效应器中诱发的MEP波幅在运动前期间上升。然而,在活动开始逐渐增强之前,MEP波幅会出现初始下降,表明与所选运动相关的皮质脊髓通路受到抑制。在未选中和无关效应器中也可观察到MEP波幅的降低,并且在此处,波幅在动作准备过程中进一步下降。准备性抑制不仅存在于运动开始之前;在指令延迟RT任务中,当提示提供了关于即将发生的反应的预先信息,但受试者随后必须等待时,它也在go信号之前表现出来。
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。




