监测微血管随时间变化：可重定位3D超声电容微机械行-列传感器数据
该数据集提供使用可重定位3D超声传感器对微血管变化进行连续、超灵敏3D多普勒成像的体内外数据，用于监测与糖尿病、高血压等相关的微血管健康状况。
基本信息
资源简介
监测微血管随时间变化：可重定位3D超声电容微机械行-列传感器数据
【一句话概览】
本数据集是 Dryad 公开的影像数据集，主题涵盖 3D Power Doppler、Row-Column Array、CMUT，可用于医学图像分割、检测与分类模型的训练与评测，https://spdx.org/licenses/CC0-1.0.html 许可开放获取。
【数据集背景】
本数据集源站标题为《Data from: Monitoring microvascular changes over time with a repositionable 3D ultrasonic capacitive micromachined row-column sensor》。
【数据内容】
源站原始描述：eHealth devices, including smartwatches and smart scales, have the potential to transform healthcare by enabling continuous, real-time monitoring of vital signs over extended periods. Existing technologies, however, lack comprehensive monitoring of the microvascular network, which is linked to conditions such as diabetes, hypertension, and small vessel diseases. This study introduces a novel ultrasound approach using a Capacitive Micromachined Ultrasound Transducers (CMUT) Row-Column Array (RCA)…
中文译文（机器翻译，仅供快速理解，请以原文为准）：电子健康设备，包括智能手表和智能体重秤，有潜力通过在较长时间内对生命体征进行连续、实时监测来改变医疗保健。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有关。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（Capacitive Micromachined Ultrasound Transducers, CMUT）行列阵列（Row-Column Array, RCA），对微血管变化（如血流动力学变化或血管重塑）进行连续、超灵敏的三维多普勒成像。体外测试和针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三维微血管网络进行成像，并具备自动配准功能，还能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，有朝一日可能增强对微血管相关健康状况的理解、监测，并可能实现早期检测。
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.47d7wm3qg。
【主题与分类】
主题标签：3D Power Doppler、Row-Column Array、CMUT。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://doi.org/10.5061/dryad.47d7wm3qg
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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://datadryad.org/dataset/doi:10.5061/dryad.47d7wm3qg
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。
