恒定力竭运动中的局部疼痛动态数据集
该数据集来自一项关于恒定强度运动至力竭过程中疼痛与不适拓扑动态的研究。11名体育教育专业学生在“hard”强度（对应Borg RPE 6–20=15）下进行骑行和跑步测试，每15秒在身体图上报告疼痛与不适
基本信息
资源简介
恒定力竭运动中的局部疼痛动态数据集
Data from: Local pain dynamics during constant exhaustive exercise
该数据集来自一项关于恒定强度运动至力竭过程中疼痛与不适拓扑动态的研究。11名体育教育专业学生在“hard”强度（对应Borg RPE 6–20=15）下进行骑行和跑步测试，每15秒在身体图上报告疼痛与不适。每位参与者的“任务时间”被分为五个等长非重叠时间窗，分析显示疼痛与不适的身体部位数量随时间窗增加，骑行和跑步分别达到均值±SE 4.2±0.7和4.1±0.6。主要部位包括骑行时的股四头肌和腘绳肌，跑步时的股四头肌和胸部。数据可用于研究运动诱发疼痛的时空模式及预测力竭相关不适（来源 DOI 解析，Creative Commons Zero v1.0 Universal 许可）。
【数据集背景】
源站首次发布：2016。
【数据内容】
源站描述（机器翻译，仅供参考）：本研究的目的是描绘在恒定运动直至自愿力竭过程中疼痛与不适的拓扑动态。11名体育教育专业学生在以“hard”强度水平（例如，对应于Borg的RPE（6–20）=15）进行骑行和跑步时接受测试。在测试期间，参与者每15秒在身体图上报告他们的不适和疼痛。每位参与者的“任务时间”被分为五个相等的非重叠时间窗，在其中考虑他们的评分进行分析。分析显示，感知到疼痛和不适的身体部位数量在五个时间窗内增加，直至在骑行和跑步中分别达到均值（±SE）4.2±0.7和4.1±0.6。主要部位包括骑行期间的股四头肌和腘绳肌，以及跑步期间的股四头肌和胸部。
【主题与分类】
主题标签：Exertive pain、Constant-power cycling、Volitional exhaustion、Constant-power running。本站分类：肌肉骨骼疾病/其他。
【获取与许可】
源站页面：https://datadryad.org/dataset/doi:10.5061/dryad.f37d0
使用许可：Creative Commons Zero v1.0 Universal。
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/10.5061/dryad.f37d0
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 204.1 KB。
数据说明
本研究旨在描绘在恒定运动至自愿力竭过程中疼痛与不适的拓扑动力学特征。十一名体育专业学生参与了测试，分别在“高强度”水平（例如，对应于Borg的RPE（6-20）=15）下进行骑行和跑步。测试期间，参与者每15秒在身体地图上报告他们的不适和疼痛感。每位参与者的“任务时间”被分为五个相等且不重叠的时间窗口，其评分在这些窗口内被用于分析。分析显示，感知到的疼痛和不适的身体部位数量在五个时间窗口内持续增加，直至骑行和跑步分别达到平均值（±标准误）4.2±0.7和4.1±0.6。主要部位包括骑行时的股四头肌和腘绳肌，以及跑步时的股四头肌和胸部。总之，在进行恒定骑行和跑步至自愿力竭的过程中，疼痛似乎会遍布全身，骑行与跑步在上半身的动力学表现存在差异，但在下半身则无显著差异。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
