使用可穿戴与移动数据诊断和监测运动障碍

数据集获取

源站：https://clinicaltrials.gov/study/NCT04231487

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：特发性震颤、帕金森病、亨廷顿病、原发性肌张力障碍、脊髓小脑性共济失调、运动障碍。运动障碍是一组改变人体运动的神经系统疾病。它们导致功能障碍、生活质量下降，并带来重大的社会、经济和家庭负担。由于人口增长和预期寿命延长[1]，越来越多的人将不得不与运动障碍共存。然而，获得运动障碍专科医生的机会本已有限，且将变得更加严峻[2]。因此，迫切需要开发工具，帮助非专科医疗专业人员识别和管理这些疾病的症状（包括运动和非运动症状），以便专科医生能够专注于更严重和复杂的病例。

尽管有多种疾病可归类为运动障碍，但本提案将聚焦于六种症状重叠、对非专科医生和/或难以获得基因检测或影像学设施的临床医生而言可能难以鉴别的疾病：特发性震颤（ET）、帕金森病（PD）、亨廷顿病（HD）、原发性局灶性肌张力障碍（PFD）、脊髓小脑性共济失调（SCA）和功能性运动障碍（FMD）。虽然受过训练的运动障碍专科医生可能正确识别这些疾病中的每一种并提供最佳治疗，但生活在农村地区、无法获得最新诊断工具（如神经影像学和基因检测）的全科医生和临床医生，在治疗这些患者时可能因症状变异性和不同疾病之间症状表现的重叠而面临困难，导致治疗效果欠佳。因此，开发简单、准确且廉价的工具以帮助指导其临床决策是有必要的。移动技术和可穿戴传感器的普及可能使此类工具的开发成为可能。

近年来，我们团队及其他研究者已利用手机和可穿戴技术来评估多种疾病的症状。这突显了

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。