基于逆向分析的动脉壁在体力学表征数据：应用于颅内动脉瘤动物模型
本数据集来自 Dryad，对应一项关于颅内动脉瘤的研究，该病与动脉壁退化相关。研究属于一个旨在为临床医生提供非侵入性、患者特异性决策支持工具的大型项目，用于辅助破裂风险评估，其基础是临床观察到的动脉瘤形态与源自动脉瘤在体力学表征的数据库之间的联系
基本信息
资源简介
基于逆向分析的动脉壁在体力学表征数据：应用于颅内动脉瘤动物模型
Data from : In vivo mechanical characterisation of an arterial wall using an inverse analysis procedure: application on an animal model of intracranial aneurysm
本数据集来自 Dryad，对应一项关于颅内动脉瘤的研究，该病与动脉壁退化相关。研究属于一个旨在为临床医生提供非侵入性、患者特异性决策支持工具的大型项目，用于辅助破裂风险评估，其基础是临床观察到的动脉瘤形态与源自动脉瘤在体力学表征的数据库之间的联系。为构建该数据库，研究者开发了动脉壁变形装置原型，结合医学影像（Spectral Photon Counting Computed Tomography，空间分辨率低至 250 um），通过逆向分析实验观察到的壁变形来测定壁的在体力学特性。本数据可用于动脉壁力学特性建模与患者特异性数值模拟研究（来源 DOI 解析，Creative Commons Zero v1.0 Universal 许可。
【数据集背景】
源站首次发布：2024。
【数据内容】
源站描述（机器翻译，仅供参考）：颅内动脉瘤是一种与动脉壁退化相关的病理。这项工作是一个大型项目的重要组成部分，该项目旨在为临床医生提供一种非侵入性、患者特异性的决策支持工具，以促进破裂风险评估。它将基于临床观察到的动脉瘤形态与源自动脉瘤在体力学表征的数据库之间的联系。为提供该数据库，开发了一种动脉壁变形装置原型。将其使用与医学影像（Spectral Photon Counting Computed Tomography，提供低至 250 um 的空间分辨率）相结合，基于对实验观察到的壁变形量化的逆向分析，来确定壁的在体力学特性。本研究展示了这一原创性流程在……上的在体应用
【主题与分类】
主题标签：Finite Element Method、Patient-specific numerical modelling、fluid-structure interaction、Luminal volume variation。本站分类：心血管系统疾病/动脉瘤。
【获取与许可】
源站页面：https://datadryad.org/dataset/doi:10.5061/dryad.tqjq2bw5q
使用许可：Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.tqjq2bw5q
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:
数据集大小约 21.3 MB。
数据说明
颅内动脉瘤是一种与动脉壁退化相关的病理状态。这项工作是一个大规模项目的重要组成部分，该项目旨在为临床医生提供一种非侵入性、针对患者个体的决策支持工具，以促进破裂风险评估。该工具将基于临床观察到的动脉瘤形状与源自动脉瘤在体力学表征的数据库之间的联系。为了提供该数据库，开发了一种动脉壁变形装置原型。将其与医学成像（光谱光子计数计算机断层扫描，提供低至250微米的空间分辨率）结合使用，通过逆向分析实验观察到的壁变形量化结果，来确定动脉壁的在体力学特性。本研究展示了这一原创性流程在动脉瘤动物模型上的在体应用。所识别出的动脉瘤壁力学特性与文献一致，数值结果与实验结果之间的误差小于10%。
基于这些参数，本研究得以评估在已知应力作用下的动脉瘤应力状态，并为破裂准则的定义指明方向。
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。
