腹部力学实验与双胞胎模型数据
该数据集来自 Mendeley Data,聚焦消化系统疾病中的便秘问题,包含人体腹部 18 个关键穴位的力学实验数据与双胞胎模型数据

基本信息
资源简介
腹部力学实验与双胞胎模型数据
Abdominal mechanics experiments and twin model data
该数据集来自 Mendeley Data,聚焦消化系统疾病中的便秘问题,包含人体腹部 18 个关键穴位的力学实验数据与双胞胎模型数据。实验采用机械数据采集平台,对受试者腹部穴位进行准静态垂直压力测试,并通过 CT 成像测量腹部软组织层厚度。压力测量使用 SBT-674 传感器,半径 7.5 mm,量程 0–20 N,灵敏度 2.0 ± 10% mV/V。受试者空腹仰卧,电机以 5 mm/s 垂直向下施压并同步记录压力数据。数据可用于腹部生物力学研究、穴位刺激与便秘缓解机制分析,以及相关力学模型验证(来源 DOI 解析)。
【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):研究假设:本研究确定了人体腹部 18 个有助于缓解便秘的关键穴位,包括中脘(CV12)、天枢(ST25)、大熊(ST21)和足三里(ST36)。实验中,使用机械数据采集平台对这些穴位进行准静态垂直压力测试。实验数据采集自四名受试者,其腹部软组织层厚度通过 CT 成像测量。压力测量使用连接在推杆电机接触端的 SBT-674 传感器。该传感器半径为 7.5 mm,测量范围为 0–20 N,灵敏度为 2.0 ± 10% mV/V。实验期间,受试者空腹保持仰卧位,电机以 5 mm/s 垂直向下施加压力,同时记录压力数据。基于腹部 CT 衍生的软
【主题与分类】
主题标签:Biomechanics。本站分类:消化系统疾病/便秘。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/gkphzkmdc7/1
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/10.17632/gkphzkmdc7.1
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:
数据集大小约 352.6 KB。
数据说明
研究假设:本研究确定了人体腹部18个有助于缓解便秘的关键穴位,包括中脘(CV12)、天枢(ST25)、大横(ST21)和足三里(ST36)。实验中,采用机械数据采集平台对这些穴位进行了准静态垂直压力测试。实验数据来自四名受试者,其腹部软组织层厚度通过CT成像测量。压力测量使用连接在推杆电机接触端的SBT-674传感器进行。该传感器半径为7.5毫米,测量范围为0–20牛,灵敏度为2.0 ± 10%毫伏/伏。实验期间,受试者保持空腹仰卧位,电机以5毫米/秒的速度施加垂直向下的压力,同时记录压力数据。基于腹部CT衍生的软组织三维模型,建立了腹部的有限元模型。该有限元模型包含147,851个四面体单元。一个圆柱形物体以5毫米/秒的恒定速度施加垂直压力,圆形接触区半径为7.5毫米。
最后,基于验证后的有限元模型,对18个关键动作点及其周围辅助点进行了有限元计算。由此获得了不同按压深度下相应的按摩力值和腹壁内变形数据。数据展示如下:第一列是受试者编号,第二列是按摩点编号,第三列和第四列分别代表皮肤层和肌肉层的厚度,第五列是按摩深度,第六列是力学实验中与按摩深度相对应的按摩力,第七列是通过腹部有限元模型计算得到的与按摩深度相对应的腹壁内侧变量。数据解读与应用
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。




