疼痛性远端感觉多神经病QST数据

疼痛性远端感觉多神经病QST数据 是真实公开或可申请访问的数据资源,包含表格数据、标签、临床变量或实验测量。该数据集适合腓总神经病变相关的腓总神经损伤影像评估、下肢肌电与步态分析、足下垂相关表型抽取和恢复结局预测,可用于模型训练、特征分析、基准复现和跨队列验证。

Pennsieve contributorsPennsieve contributors
Pennsieve
2026-01-01 更新
浏览 34
表格分类peripheral neuropathic painquantitative sensory testingqst
Bedside QST in Painful Distal Sensory Polyneuropathy

基本信息

模态
表格
任务类型
分类
许可
Pennsieve Data Use Agreement
创建/更新时间
2026-01-01

资源简介

疼痛性远端感觉多神经病QST数据

【一句话概览】

一项在5个中心开展的横断面研究,针对痛性远端感觉性多神经病患者,开发基于定量感觉测试(QST)的算法和感觉生物标志特征,以预测治疗反应。研究纳入203名受试者,涉及周围神经病理性疼痛、定量感觉测试及QST等方向(来源 discover.pennsieve.io)。

【数据集背景】

本数据集源站标题为《Bedside quantitative sensory testing in patients with painful distal sensory polyneuropathy》。

【数据内容】

源站原始描述:A 5-site cross-sectional study developing QST-based algorithms and sensory biosignatures to predict treatment response in patients with painful distal sensory polyneuropathy

中文译文(机器翻译,仅供快速理解,请以原文为准):一项5中心横断面研究,开发基于QST的算法和感觉生物特征,以预测痛性远端感觉多发性神经病患者的治疗反应

【主题与分类】

主题标签:peripheral neuropathic pain、quantitative sensory testing、qst。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面:https://discover.pennsieve.io/datasets/548

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。

暂未开放

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://discover.pennsieve.io/datasets/548

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

疼痛性远端感觉多神经病QST数据 提供疼痛性远端感觉多神经病患者床旁定量感觉测试、症状和表型数据,适合腓总神经病变相关的腓总神经损伤影像评估、下肢肌电与步态分析、足下垂相关表型抽取和恢复结局预测。

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