儿童热烧伤全身振动训练数据集
该数据集来自 clinicaltrials.gov,聚焦儿童热烧伤人群的全身振动训练研究。源站描述显示,受试者将从儿童烧伤人群中随机抽取,并通过置换区组随机化分为两组;其中 A 组 30 名患者将在振动平台上接受全身振动训练,频率 30-40 Hz、峰峰值垂直位移 2-4 mm、每次 12-15 分

基本信息
资源简介
儿童热烧伤全身振动训练数据集
该数据集来自 clinicaltrials.gov,聚焦儿童热烧伤人群的全身振动训练研究。源站描述显示,受试者将从儿童烧伤人群中随机抽取,并通过置换区组随机化分为两组;其中 A 组 30 名患者将在振动平台上接受全身振动训练,频率 30-40 Hz、峰峰值垂直位移 2-4 mm、每次 12-15 分钟,每周 5 次、持续 8 周,包含 3 分钟热身熟悉组及 3 组 3 分钟半蹲练习。数据可用于烧伤康复训练方案相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:烧伤。参与者样本将通过随机生成器从儿童烧伤人群中选取,并通过置换区组随机化随机分配到两组。A 组:30 名患者在接受振动平台上进行全身振动训练,本研究所采用的频率、振幅和持续时间如下:频率:30-40 Hz,峰峰值垂直板位移 2-4 mm,运动持续时间 12-15 分钟。参与者将每周进行 2 次振动练习,每周 5 次,持续 8 周。第一次振动练习为热身和熟悉组,包括坐在椅子上,双腿放在平台上,进行一次重复,持续 3 分钟。在完成 3 分钟热身后,参与者将在振动平台上进行 3 组 3 分钟的半蹲。振动练
【主题与分类】
主题标签:Burns。本站分类:损伤、中毒及外因。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06116227
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/NCT06116227
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:烧伤。参与者样本将通过随机生成器从儿童烧伤人群中选取,并通过置换区组随机化随机分配到两组。A组:30名患者在振动平台上接受全身振动训练,本研究采用的频率、振幅和持续时间如下:频率:30-40 Hz,垂直板峰峰位移2-4 mm,运动持续时间为12-15分钟。参与者将每周进行5次振动训练,每次2组,持续8周。第一组振动训练为热身和熟悉训练,内容为坐在椅子上,双腿置于平台上,进行一次重复动作,持续3分钟。完成3分钟热身后,参与者将在振动平台上进行3组3分钟的半蹲。振动训练时间每周增加30秒,每组重复之间休息3分钟。参与者在每次振动训练时将赤脚并穿着相同的棉袜。
保持身体直立,以前脚掌站立,脚跟离地,膝关节屈曲10°。头部和眼睛朝前,双脚均匀承重,两脚间距42厘米。另加传统物理治疗锻炼方案,在监督下进行60分钟的锻炼项目。B组:30名患者将接受传统物理治疗方案。该方案包括在监督下对所有受累关节进行60分钟的拉伸锻炼,随后对受累肌肉进行力量强化,持续8周。
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。




