SPECTRAL 灌注臂夹闭数据集
主题标签:心血管系统疾病、内皮功能障碍、SPECTRALPACA、灌注成像、视频数据、synapse.org。本站分类:心血管系统疾病/内皮功能障碍

基本信息
资源简介
SPECTRAL 灌注臂夹闭数据集
SPECTRALPACA(SPECTRAL Perfusion Arm Clamping dAtaset)是一个围绕心血管系统疾病与内皮功能障碍主题构建的公开数据集,托管于synapse.org平台。该数据集以视频率(video-rate)光谱灌注成像为核心,结合手臂袖带加压(arm clamping)这一实验范式,用于记录和呈现与灌注相关的动态影像信息。从整体定位来看,它属于心血管系统疾病与内皮功能障碍交叉领域的数据资源,适合关注外周灌注、微循环与内皮功能评估的研究者使用。数据集名称中的“SPECTRAL”指向光谱成像技术,“Perfusion”强调灌注测量,“Arm Clamping”则提示其采集过程涉及对上肢血流的人为干预,从而在受控条件下观察灌注变化。该数据集在平台上的分类明确归入心血管系统疾病/内皮功能障碍,并配有主题标签,包括心血管系统疾病、内皮功能障碍、SPECTRALPACA、灌注成像、视频数据以及synapse.org,便于检索与归类。
【数据集背景】
该数据集的全称为SPECTRAL Perfusion Arm Clamping dAtaset,缩写为SPECTRALPACA。其命名方式直接反映了数据采集所依托的技术路径与实验操作:光谱(SPECTRAL)成像用于获取灌注相关信息,手臂加压(Arm Clamping)用于制造可控的生理扰动,从而在视频率下捕捉灌注的动态响应。数据集被归入心血管系统疾病与内皮功能障碍这一分类,说明其设计意图与心血管功能、内皮调节及外周灌注研究密切相关。内皮功能障碍常被视为心血管疾病早期的重要环节,而灌注成像能够从功能层面反映微循环状态,因此该数据集在主题上具有明确的应用指向。源站描述中提及这是一个经过精心整理(carefully curated)的数据集,由视频率光谱灌注数据组成,并配有若干可视化元素与标识,用于辅助说明数据规模、受试者、图像、通道及灌注等信息。
【数据内容】
该数据集的核心内容为视频率光谱灌注数据。源站描述指出,它由视频率(video-rate)的光谱灌注记录构成,这意味着数据以连续视频帧的形式呈现灌注相关信息,而非静态单帧图像。数据集中包含与受试者、图像、通道、灌注等相关的信息元素,源站通过一系列图标与标识对这些维度进行了示意,包括文件、大小、视频、受试者、图像、通道、灌注等图形元素,以及数据集专属标识和输出动图。这些元素共同表明,数据集在组织上涵盖了多受试者、多通道的视频率灌注记录,并可能附带相应的元数据或说明性材料。不过,关于具体的受试者数量、视频时长、图像分辨率、通道数目、灌注参数等数值型细节,源站未提供。
【采集与来源】
该数据集来源于synapse.org平台,属于该平台上的公开数据资源。其采集过程与“手臂加压”(Arm Clamping)这一操作直接相关,即在采集过程中对上肢施加可控的加压干预,以观察灌注在扰动前后的变化。采集技术为光谱灌注成像,并以视频率进行记录,从而能够捕捉灌注的时间动态。数据集名称中的“SPECTRAL”与“Perfusion”共同指向光谱成像与灌注测量的结合。关于采集设备的具体型号、光谱波段范围、加压方案的具体参数、受试者招募与纳入标准、采集地点与时间等信息,源站未提供。
【适用场景】
基于其主题分类与数据形态,该数据集适用于心血管系统疾病与内皮功能障碍相关的研究场景,尤其是涉及外周灌注、微循环功能评估以及血流动力学动态监测的方向。视频率光谱灌注数据可用于分析加压前后灌注的时间变化过程,进而探讨内皮功能或血管反应性。此外,该数据集也可用于方法学层面的研究,例如灌注成像数据处理、视频率信号分析、光谱数据建模等。由于数据以视频形式呈现,它还可能适合计算机视觉与医学影像分析交叉领域的研究者,用于开发或验证针对动态灌注视频的算法。需要说明的是,以上适用方向基于数据集的主题标签与分类推导,具体的研究用途应以源站提供的说明为准;源站未提供详细的适用场景列表。
【使用方法】
该数据集托管于synapse.org,使用者通常需要通过该平台获取数据。源站描述中包含了数据集标识与输出动图等可视化元素,表明平台页面提供了对数据内容的直观展示。关于具体的使用方式,例如数据下载格式、目录结构、文件命名规则、配套代码或分析工具、访问权限与注册要求等,源站未提供。因此,无法在本描述中给出详细的操作步骤或技术指南。
【质量与限制】
源站描述将该数据集称为“经过精心整理”(carefully curated),这提示其在组织与呈现上具有一定的规范性。然而,关于数据质量的具体指标,如信噪比、标注准确性、缺失情况、批次效应、受试者多样性等,源站未提供。此外,数据集在受试者数量、视频时长、通道数、图像尺寸等方面的具体规模信息也未在源站描述中给出。因此,使用者在采用该数据集时,应自行评估其与具体研究问题的匹配程度,并参考源站的最新说明。该数据集的主题聚焦于手臂加压条件下的灌注成像,其结论向其他生理条件或人群的外推需谨慎对待。
【引用与许可】
关于该数据集的引用格式、许可协议、使用条款以及是否允许再分发或商业使用等信息,源站未提供。使用者在获取与使用该数据集时,应直接查阅synapse.org上该数据集的官方页面,以获取最新的引用要求与许可说明。
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。
需登录公开下载
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。
暂未开放有偿下载
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://synapse.org/Synapse:syn51625685
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
SPECTRAL 灌注手臂阻断数据集(SPECTRALPACA) ${image?fileName=files%2Esvg&align=Left&scale=100&responsive=true&altText=}${image?fileName=size%2Esvg&align=Left&scale=100&responsive=true&altText=} ${image?fileName=videos%2Esvg&align=Left&scale=100&responsive=true&altText=}${image?fileName=subjects%2Esvg&align=Left&scale=100&responsive=true&altText=}${image?fileName=images%2Esvg&align=Left&scale=100&responsive=true&altText=}${image?fileName=channels%2Esvg&align=Left&scale=100&responsive=true&altText=}${image?fileName=perfusion%2Esvg&align=Left&scale=100&responsive=true&altText=} ${image?fileName=logo%5Fspectralpaca%2Epng&align=Center&scale=23.5&responsive=true&altText=} ${image?fileName=output%2Egif&align=Center&scale=80&responsive=true&altText=} 欢迎使用 SPECTRAL 灌注手臂阻断数据集(SPECTRALPACA)。这是一个经过精心整理的数据集,由健康志愿者右手手掌的视频帧率光谱图像组成。对于每位受试者,在连续视频流中记录了基线和施加于上臂的八种不同压力水平,持续时间约为18分钟。
在每个压力阶段之间,还记录了大约一分钟的静息状态(未施加压力)。这些光谱视频是使用型号为MQ022HG-IM-SM4x4-VIS的XIMEA快照相机拍摄的。该相机对每个图像记录16个通道,波长(nm)为:[488, 496, 478, 465, 598, 609, 585, 574, 641, 493, 632, 622, 538, 550, 524, 511]。为了补充这些光谱视频,在整个序列期间,对手部表面的四个不同感兴趣区域(ROIs)进行了跟踪。此外,还包括每个ROI的光谱仪漫反射测量数据。这些光谱仪测量数据是使用Ocean Insight公司的HR2000+光谱仪记录的。# 下载 该数据集可通过运行以下Python脚本进行下载。请注意,您需要先通过pip in安装synapseclient。
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。




