壁面剪切应力向量场的Hodge分解表征生物流动数据
该数据集来自 search.dataone.org，围绕壁面剪切应力（WSS）向量场的分析，提出一种离散边界敏感的 Hodge 分解方法，将 WSS 向量场分解为梯度、共梯度及三种由边界诱导的调和场（中心场、Neumann 场和 Dirichlet 场）
基本信息
资源简介
壁面剪切应力向量场的Hodge分解表征生物流动数据
Hodge decomposition of wall shear stress vector fields characterizing biological flows
该数据集来自 search.dataone.org，围绕壁面剪切应力（WSS）向量场的分析，提出一种离散边界敏感的 Hodge 分解方法，将 WSS 向量场分解为梯度、共梯度及三种由边界诱导的调和场（中心场、Neumann 场和 Dirichlet 场）。数据覆盖模拟简化体模几何（管道和理想化主动脉）中的 WSS 分析，可用于区分入口引起的调和血流与几何内部拓扑诱导的调和环流，并支持心血管系统疾病中主动脉缩窄相关的血流动力学研究（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：提出一种离散边界敏感的 Hodge 分解，作为分析主动脉血流中壁面剪切应力（WSS）向量场的核心工具。该方法基于有边界流形上光滑和离散 Hodge-Morrey-Friedrichs 分解的新结果，将 WSS 向量场细分为五个分量：梯度（无旋）、共梯度（无散），以及由边界诱导的三个调和场，分别称为中心场、Neumann 场和 Dirichlet 场。首先，对若干模拟简化体模几何（管道和理想化主动脉）中的 WSS 进行了分析，以理解这五个分量的影响。结果表明，该分解能够区分由入口引起的调和血流与由几何内部拓扑诱导的调和环流。最后，一项比较分析
【主题与分类】
主题标签：Hodge decomposition、Vector fields analysis、Wall shear stress。本站分类：心血管系统疾病/主动脉缩窄。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Ad2eddbb431d7ff7dc32183a84674e4bbd81c5ab2ad066a34a5c6add1b1f01da5
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
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
Faniry H. Razafindrazaka; Pavel Yevtushenko; Konstantin Poelke; Konrad Polthier; Leonid Goubergrits (2025). Hodge decomposition of wall shear stress vector fields characterizing biological flows [Dataset]. http://doi.org/10.5061/dryad.mn46cd6
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。
