小鼠皮质骨微力学各向异性纳米压痕分析数据
该数据集来自 Dryad,包含小鼠股骨皮质骨在纳米压痕下的微力学各向异性数据。研究对 9 只 22 周龄 C57BL/6 小鼠的股骨进行取材,在股骨干近端、中央和远端区域沿纵向与横向共完成 648 次 Berkovich 压痕测试,记录折减模量与硬度的各向异性比值

基本信息
资源简介
小鼠皮质骨微力学各向异性纳米压痕分析数据
Data from: Nanoindentation analysis of the micromechanical anisotropy in mouse cortical bone
该数据集来自 Dryad,包含小鼠股骨皮质骨在纳米压痕下的微力学各向异性数据。研究对 9 只 22 周龄 C57BL/6 小鼠的股骨进行取材,在股骨干近端、中央和远端区域沿纵向与横向共完成 648 次 Berkovich 压痕测试,记录折减模量与硬度的各向异性比值。数据可用于分析小鼠皮质骨纵向与横向力学性能差异,支持骨生物力学、肌肉骨骼系统疾病相关建模与回归预测研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2017。
【数据内容】
源站描述(机器翻译,仅供参考):研究小鼠皮质骨微力学性能的工作往往仅关注骨长轴方向的力学行为。因此,关于小鼠皮质骨各向异性的数据十分稀缺。本研究的目的是首次利用纳米压痕技术评估小鼠股骨纵向与横向之间折减模量和硬度的各向异性比值。为此,处死九只 22 周龄小鼠(C57BL/6)并取出全部股骨。使用 Berkovich 压头在股骨干近端(P)、中央(C)和远端(D)区域沿纵向和横向共进行 648 次压痕。纵向压痕获得较高的折减模量值,各向异性比值分别为 1.72 ± 0.40(P)、1.75 ± 0.69(C)和 1.34 ± 0.30(D)。硬度为
【主题与分类】
主题标签:mechanical anisotropy、hardness、mouse cortical bone、nanoindentation、reduced modulus。本站分类:肌肉骨骼系统疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.h5p79
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/10.5061/dryad.h5p79
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 58.7 MB。
数据说明
探究小鼠皮质骨微观力学特性的研究往往仅关注骨长轴方向的力学行为,因此关于小鼠皮质骨各向异性的数据十分匮乏。本研究旨在利用纳米压痕技术,首次评估小鼠股骨中折减模量与硬度在纵向与横向之间的各向异性比值。为此,处死九只22周龄小鼠(C57BL/6)并取出全部股骨。使用Berkovich压头在股骨干近端(P)、中段(C)和远端(D)区域沿纵向和横向共进行648次压痕测试。纵向压痕获得的折减模量值更高,各向异性比值分别为1.72 ± 0.40(P)、1.75 ± 0.69(C)和1.34 ± 0.30(D)。硬度在纵向上同样更高,各向异性比值分别为1.35 ± 0.27(P)、1.35 ± 0.47(C)和1.17 ± 0.19(D)。
我们观察到小鼠股骨的微力学性能存在显著的各向异性,但两个方向间折减模量与硬度的相关性较低(r2 < 0.3)且不显著。因此,当需要了解组织沿多个方向的力学行为时,我们强烈建议在纵向和横向两个方向上进行独立的压痕测试。
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。




