可复位3D超声电容微机械行列传感器监测微血管变化数据集

数据集获取

源站：https://search.dataone.org/view/sha256%3A8c2bb50f4e05626e5de64fb409831b4235dd78b9aa8e5281efc7c01c22a69ed5

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

电子健康设备，包括智能手表和智能体重秤，有潜力通过实现长时间连续、实时监测生命体征来变革医疗保健。然而，现有技术缺乏对微血管网络的全面监测，而微血管网络与糖尿病、高血压和小血管疾病等病症相关。本研究介绍了一种新型超声方法，使用电容式微机械超声换能器（CMUT）行-列阵列（RCA）对微血管变化（如血流动力学变异或血管重塑）进行连续、超灵敏的3D多普勒成像。体外测试和对健康志愿者的体内研究表明，该传感器能够在不同时间尺度上以高分辨率对3D微血管网络进行自动配准成像，并以高灵敏度检测微血管变化。

将这项技术集成到可穿戴设备中，有朝一日可能增强理解、监测和……本数据集用于重现文章《使用可重新定位的3D超声电容式微机械行列传感器监测微血管随时间变化》的补充图S2。该图展示了健康志愿者指尖的功率多普勒图像，使用CMUT RCA传感器以不同成像序列采集：合成孔径（SA）、Hadamard合成孔径（HSA）和平面波成像（PW），这些序列在文章方法部分有描述。采集400或800帧以保持采集持续时间恒定。此处，对于长采集（8.5秒），脉冲重复频率设置为3 kHz。本数据集由名为Data_XXXX的数据文件组成，这些文件是不同序列的波束形成体积数据。指尖表面已被移除以擦除指纹。Matlab程序main_supplementary_figure_2.m对这些体积应用SVD杂波滤波器以计算功率多普勒体积，然后将其投影以生成该图。两种不同的处理

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。