显微镜技术在Nitinol植入物优化中的应用:表面改性以改善房间隔缺损治疗中的生物相容性与耐久性
该数据集包含Nitinol合金样品以及采用原子层沉积(ALD)方法沉积SiO₂涂层改性的Nitinol样品的表面表征结果

基本信息
资源简介
显微镜技术在Nitinol植入物优化中的应用:表面改性以改善房间隔缺损治疗中的生物相容性与耐久性
该数据集包含Nitinol合金样品以及采用原子层沉积(ALD)方法沉积SiO₂涂层改性的Nitinol样品的表面表征结果
Microscopy techniques in the optimization of Nitinol implants: surface modification for improved biocompatibility and durability in the treatment of atrial septal defect
【数据集背景】
源站首次发布:2025。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集包含Nitinol合金样品以及采用原子层沉积(ALD)方法沉积SiO₂涂层改性的Nitinol样品的表面表征结果。该工作致力于心血管植入物的表面工程解决方案,特别是用于房间隔缺损(ASD)封堵的封堵器系统。研究目的是将表面形貌与潜在分层区域相关联,以评估涂层Nitinol基底的稳定性和生物相容性。样品制备:基材:NiTi(Nitinol,形状记忆合金);表面改性:SiO₂的ALD涂层;参考样品:裸NiTi(无涂层)。实验技术:扫描电子显微镜(SEM)——表面形貌的高分辨成像,可揭示精细结构、涂层均匀性以及SiO₂层中的潜在裂纹。扫描声学显微
【主题与分类】
主题标签:Nitinol、表面改性、ALD SiO₂涂层、房间隔缺损、心血管植入物、SEM、生物相容性。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://repod.icm.edu.pl/citation?persistentId=doi:10.18150/EDEMKO
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/10.18150/edemko
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
本数据集包含镍钛合金样品以及采用原子层沉积(ALD)方法沉积SiO₂涂层改性后的镍钛样品的表面表征结果。本研究致力于心血管植入物表面工程解决方案的开发,特别是用于房间隔缺损(ASD)封堵的封堵器系统。研究目的是将表面形貌与潜在分层区域进行关联,以评估涂层镍钛基底的稳定性和生物相容性。样品制备:基材:NiTi(镍钛诺,形状记忆合金)表面改性:ALD沉积SiO₂涂层参考样品:裸NiTi(无涂层)实验技术:扫描电子显微镜(SEM)表面形貌的高分辨率成像。可揭示精细结构、涂层均匀性以及SiO₂层中的潜在裂纹。扫描声学显微镜(SAM)以灰度和彩色模式可视化的应力分布图。
检测指示涂层分层的高应力区域。数据结构与内容:数据集按所应用的分析技术和样品类型组织为多个文件夹:包含镍钛合金和镍钛合金+ALD表面的显微图像。数据目录SEM:表面的高分辨率SEM显微照片:NiTi表面——裸NiTi;NiTi+ALD——涂覆SiO₂(ALD)的NiTi。文件格式:TIFF/PNG。数据目录SAM:声学显微图像:灰度视图——灰度应力图;彩色视图——彩色增强分层模式图。文件格式:JPG。
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。




