基于双元件换能器的血管内超声弹性成像开发数据
基于双元件换能器的血管内超声弹性成像数据，用于测量动脉粥样硬化斑块和血管的弹性特性，包含仿体和兔主动脉数据。
基本信息
资源简介
基于双元件换能器的血管内超声弹性成像开发数据
【一句话概览】
本数据集是 Dryad 公开的影像数据集，主题涵盖 intravascular ultrasound、elastography、high frequency ultrasound、ultrasound transducer，可用于医学图像分割、检测与分类模型的训练与评测，https://spdx.org/licenses/CC0-1.0.html 许可开放获取。
【数据集背景】
本数据集源站标题为《Data from: Development of an intravascular ultrasound elastography based on a dual-element transducer》。
【数据内容】
源站原始描述：The ability to measure the elastic properties of plaques and vessels would be useful in clinical diagnoses, particularly for detecting a vulnerable plaque. This study demonstrates the feasibility of combination of intravascular ultrasound (IVUS) and acoustic radiation force (ARF) elasticity imaging for detecting the distribution of stiffness within atherosclerotic arteries ex vivo. A dual-frequency IVUS transducer with two elements was used to induce the propagation of shear wave (by the 8.5-MHz…
中文译文（机器翻译，仅供快速理解，请以原文为准）：测量斑块和血管弹性特性的能力在临床诊断中会很有用，尤其有助于检测易损斑块。本研究证明了将血管内超声（IVUS）与声辐射力（ARF）弹性成像相结合，用于离体检测动脉粥样硬化动脉内硬度分布的可行性。使用具有两个阵元的双频IVUS换能器诱导剪切波传播（由8.5 MHz推挤阵元实现），并由31 MHz成像阵元同步监测。通过分别测量剪切波传播的峰值位移和波速，重建了波幅图像和波速图像。使用明胶体模验证了系统性能。体模结果表明，通过
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.h862n。
【主题与分类】
主题标签：intravascular ultrasound、elastography、high frequency ultrasound、ultrasound transducer。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://doi.org/10.5061/dryad.h862n
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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://datadryad.org/dataset/doi:10.5061/dryad.h862n
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。
