基于虚拟现实的远程运动对囊性纤维化患儿运动能力的影响
该数据集来自 clinicaltrials.gov,聚焦儿童囊性纤维化、远程康复与虚拟现实。项目旨在研究为期 12 周的虚拟现实运动项目以远程运动形式实施后,对囊性纤维化患儿运动能力的影响,这些患儿在疫情期间身体活动水平受到进一步限制

基本信息
资源简介
基于虚拟现实的远程运动对囊性纤维化患儿运动能力的影响
该数据集来自 clinicaltrials.gov,聚焦儿童囊性纤维化、远程康复与虚拟现实。项目旨在研究为期 12 周的虚拟现实运动项目以远程运动形式实施后,对囊性纤维化患儿运动能力的影响,这些患儿在疫情期间身体活动水平受到进一步限制。研究强调其原创性在于首次在囊性纤维化中通过远程运动进行沉浸式虚拟现实运动。囊性纤维化的预后与呼吸能力和身体活动水平相关,有氧运动可积极影响肺功能,并提高有氧能力、生存率和生活质量(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:儿童囊性纤维化、远程康复、虚拟现实。本项目旨在研究一项为期 12 周的虚拟现实运动项目以远程运动形式应用后,对囊性纤维化患儿运动能力的影响,这些患儿在疫情期间身体活动水平受到进一步限制。本研究的原创性在于,它将是首个在囊性纤维化中通过远程运动进行沉浸式虚拟现实运动的研究。囊性纤维化的预后与呼吸能力和身体活动水平相关。有氧运动对肺功能产生积极影响;提高囊性纤维化患者的有氧能力、生存率和生活质量。囊性纤维化患儿进行面对面活动会增加交叉污染和肺部感染的风险。远程运动在……方面更具成本效益
【主题与分类】
主题标签:Cystic Fibrosis in Children、Telerehabilitation、Virtual Reality。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05850351
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/NCT05850351
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
条件:儿童囊性纤维化、远程康复、虚拟现实。本项目旨在研究一项为期12周、以远程运动形式应用的虚拟现实锻炼计划对囊性纤维化患儿运动能力的影响,这些患儿的身体活动水平在疫情期间进一步受到限制。本研究的原创性在于,它将是首个在囊性纤维化中通过远程运动进行沉浸式虚拟现实锻炼的研究。囊性纤维化的预后与呼吸能力和身体活动水平相关。有氧运动对肺功能产生积极影响;可提高囊性纤维化患者的有氧能力、生存率和生活质量。囊性纤维化患儿进行面对面活动会增加交叉污染和肺部感染的风险。远程运动在减少交通/时间损失以及降低感染风险方面更具成本效益。基于电子游戏活动的虚拟现实锻炼提供了一种良好的替代方案,尤其有助于激励年轻人并提高其对康复的依从性。
本项目计划研究以下假设:在有助于社交的团体中进行的虚拟现实运动,能够在无医院感染风险的情况下提高运动能力。患者将被随机分为两组。虚拟现实组将以虚拟环境中的团队活动形式进行身体活动。为此,将向患者提供虚拟现实头戴设备,以营造自然、沉浸式的环境和逼真的体验。活动将以4-6名囊性纤维化儿童为一组,在物理治疗师的陪同下进行,为期12周,每周3天,两组每次30-45分钟。在12周计划开始和结束时,将对患者进行评估。将采用6分钟步行试验来测量囊性纤维化儿童的运动能力。治疗结束时,预期
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。




