不确定性量化活动数据集:外周动脉疾病对腹主动脉瘤影响
数据共 2 个文件,分别为使用二阶和三阶多项式混沌展开方法的 UQAAA_order2.tar.gz 与 UQAAA_order3.tar.gz,内含运行活动的 Python 脚本、作业脚本及 ARCHER2 上的作业输出

基本信息
资源简介
不确定性量化活动数据集:外周动脉疾病对腹主动脉瘤影响
Campaigns of Uncertainty Quantification
该数据集包含论文《Uncertainty Quantification of the Impact of Peripheral Arterial Disease on Abdominal Aortic Aneurysms in Blood Flow Simulations》中描述的不确定性量化活动,由 Sharp C. Y. Lo 等人于 2024 年发布,来源站为 rdr.ucl.ac.uk。数据共 2 个文件,分别为使用二阶和三阶多项式混沌展开方法的 UQAAA_order2.tar.gz 与 UQAAA_order3.tar.gz,内含运行活动的 Python 脚本、作业脚本及 ARCHER2 上的作业输出。该数据可用于腹主动。
【数据集背景】
配套论文《Uncertainty quantification of the impact of peripheral arterial disease on abdominal aortic aneurysms in blood flow simulations》发表于 Journal of the Royal Society Interface(2024),DOI:10.1098/rsif.2023.0656。源站首次发布:2024-03-06。
【数据结构与技术规格】
文件数 2 个,合计 8.51 GB。数据集 DOI:10.5522/04/24512830.v1。
【主题与分类】
源站学科分类:Computational methods in fluid flow, heat and mass transfer (incl. computational fluid dynamics)、Computational physiology、Biomechanical engineering、Biomedical fluid mechanics。主题标签:uncertainty quantification (UQ)、abdominal aortic aneurysm, AAA growth、lattice Boltzmann method、blood flow simulations、sensitivity analysis、peripheral arterial diseases。本站分类:心血管系统疾病/主动脉瘤。
【适用方向】
源站学科分类标注为 Computational methods in fluid flow, heat and mass transfer (incl. computational fluid dynamics)、Computational physiology、Biomechanical engineering、Biomedical fluid mechanics。
【获取与许可】
源站页面:https://rdr.ucl.ac.uk/articles/dataset/Campaigns_of_Uncertainty_Quantification/24512830
使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。
规范引用:Lo, Sharp C. Y. (2024). Campaigns of Uncertainty Quantification. University College London. Dataset
【使用注意】
· 源站最后修改于 2024-04-10,引用时请注意版本时效。
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。
需登录公开下载
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://rdr.ucl.ac.uk/articles/dataset/Campaigns_of_Uncertainty_Quantification/24512830
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 8.51 GB。
数据说明
Sharp C. Y. Lo (2024). Campaigns of Uncertainty Quantification [Dataset]. http://doi.org/10.5522/04/24512830.v1
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。




