基于可穿戴IMU传感器的卒中康复进展监测与可视化数据集
该数据集来自 zenodo.org，对应一项尚在同行评审中的研究，旨在验证使用可穿戴传感器监测和可视化卒中步态康复纵向进展的可行性
基本信息
资源简介
基于可穿戴IMU传感器的卒中康复进展监测与可视化数据集
Dataset for Monitoring and Visualizing Stroke Rehabilitation Progress using Wearable Sensors (IMU)
该数据集来自 zenodo.org，对应一项尚在同行评审中的研究，旨在验证使用可穿戴传感器监测和可视化卒中步态康复纵向进展的可行性。研究招募了十名早期康复阶段的卒中患者，在两次访视中采集并分析 IMU 导出的步态特征。数据包含原始、中间和处理后的文件，可用于步态分析、康复进展监测及相关可视化研究（来源 Zenodo，cc-by-4.0 许可）。
【数据集背景】
源站首次发布：2024-01-19。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集与一篇目前正在同行评审中的稿件相关。文章摘要：卒中是全球主要致死和致残原因之一，恢复活动能力是卒中后康复的重要目标。在这项工作中，我们开展了一项研究，以验证使用可穿戴传感器监测和可视化纵向卒中步态康复进展的可行性。惯性测量单元（IMU）等可穿戴设备是量化活动能力的易用且经济高效的工具。然而，仍需要关于使用可穿戴设备纵向监测卒中康复进展以及通过适当可视化生成临床相关见解的研究。为此，我们招募了十名处于早期康复阶段的卒中患者。我们在两次访视中收集并分析了 IMU 导出的步态特征，并且
【数据结构与技术规格】
文件数 4 个，合计 531.36 MB。数据集 DOI：10.5281/zenodo.10534055。
【主题与分类】
主题标签：wearables、IMU、inertial sensors、rehabilitation、stroke、gait analysis。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://zenodo.org/records/10534055
使用许可：cc-by-4.0。
【使用注意】
· 源站最后修改于 2024-07-07，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。
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（Zenodo 公开直链）
curl -L -o "folder_structure-simple.pdf" "https://zenodo.org/api/records/10534055/files/folder_structure-simple.pdf/content"
curl -L -o "processed.zip" "https://zenodo.org/api/records/10534055/files/processed.zip/content"
curl -L -o "interim.zip" "https://zenodo.org/api/records/10534055/files/interim.zip/content"
curl -L -o "raw.zip" "https://zenodo.org/api/records/10534055/files/raw.zip/content"
文件清单
folder_structure-simple.pdf（0.0 MB）processed.zip（0.4 MB）interim.zip（245.4 MB）raw.zip（261.0 MB）
数据集大小约 531.4 MB。
数据说明
该数据集与一份目前正在同行评审中的稿件相关。文章摘要：卒中是全球范围内导致死亡和残疾的主要原因之一，恢复活动能力是卒中后康复的重要目标。在本研究中，我们开展了一项研究，以验证使用可穿戴传感器监测和可视化纵向卒中步态康复进展的可行性。惯性测量单元（IMU）等可穿戴设备是量化活动能力的易用且具有成本效益的工具。然而，仍需针对使用可穿戴设备对卒中康复进展进行纵向监测开展研究，并利用适当的可视化方法生成具有临床相关性的见解。为此，我们招募了十名处于早期康复阶段的卒中患者。我们在两次访视中收集并分析了基于IMU的步态特征，并呈现了足部运动轨迹以及在平均值、对称性和变异域中的时空步态参数的可视化，以量化步态变化。
我们的可视化与量化方法经临床专家评估和验证，证明在辅助临床医生监测康复进展方面具有前景。数据描述：该数据集包含十名完成两次随访的卒中患者的数据。“raw”文件夹包含来自IMU的三轴加速度和角速度数据。此外，参与者的相关信息（如身高、体重等人口统计学信息）、两次随访时的FAC评分以及步态改善评估记录在“participant_info.csv”文件中。“interim”文件夹包含经人工分割的IMU数据，这些数据基于对原始IMU信号的目视检查，在每次随访中每个步行 session 前后移除了无关动作。为进行质量控制，将每个传感器的分割后加速度计和陀螺仪数据绘制成图，并将图保存在与IMU信号相同的文件夹中。此外，在首次执行步态参数提取时，计算得到的三维足部轨迹被缓存到“interim”文件夹中，以便f
许可
cc-by-4.0
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。
