人类股四头肌神经驱动与力量生成能力耦合特性数据集
该数据集来自 Dryad,包含 21 名受试者在 20% 和 50% 最大自主收缩下进行等长膝关节伸展的数据。研究通过表面肌电(EMG)获取神经驱动指标,并利用磁共振成像测量的肌肉体积和 3D 超声成像测量的肌束长度估算生理横截面积(PCSA),以表征股外侧肌(VL)与股内侧肌(VM)的力量生成能力

基本信息
资源简介
人类股四头肌神经驱动与力量生成能力耦合特性数据集
Data from: Nature of the coupling between neural drive and force-generating capacity in the human quadriceps muscle
该数据集来自 Dryad,包含 21 名受试者在 20% 和 50% 最大自主收缩下进行等长膝关节伸展的数据。研究通过表面肌电(EMG)获取神经驱动指标,并利用磁共振成像测量的肌肉体积和 3D 超声成像测量的肌束长度估算生理横截面积(PCSA),以表征股外侧肌(VL)与股内侧肌(VM)的力量生成能力。数据可用于分析协同肌之间神经驱动比值与力量生成能力比值的关系,适用于肌肉骨骼疾病及运动控制领域的回归建模(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2015。
【数据内容】
源站描述(机器翻译,仅供参考):肌肉产生的力量取决于其接收的神经驱动以及若干生物力学因素。当多块肌肉作用于单一关节时,协同肌的神经驱动与力量生成能力之间关系的性质在很大程度上仍属未知。本研究旨在确定人类两块协同肌(股外侧肌[VL]和股内侧肌[VM])之间神经驱动比值与肌肉力量生成能力比值的关系。21名参与者进行了20%和50%最大自主收缩(MVC)下的等长膝关节伸展。肌电活动(表面肌电图[EMG])提供了神经驱动的指标。生理横截面积(PCSA)通过肌肉体积(磁共振成像)和肌束长度(3D超声成像)的测量来估算,以代表肌肉
【主题与分类】
主题标签:Electromyography。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.h3b27
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.h3b27
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 263.4 KB。
数据说明
肌肉产生的力取决于其接收的神经驱动以及若干生物力学因素。当多块肌肉作用于单一关节时,协同肌之间神经驱动与力量产生能力的关系在很大程度上尚不清楚。本研究旨在确定人体两块协同肌(股外侧肌[VL]和股内侧肌[VM])之间神经驱动比值与肌肉力量产生能力比值的关系。21名参与者进行了最大自主收缩(MVC)20%和50%强度的等长膝关节伸展。肌电活动(表面肌电图[EMG])提供了神经驱动的指标。生理横截面积(PCSA)通过肌肉体积(磁共振成像)和肌束长度(三维超声成像)的测量来估算,以代表肌肉的力量产生能力。VL和VM之间的PCSA和神经驱动均不平衡。在MVC的20%和50%强度下,VL/VM EMG振幅比值与VL/VM PCSA比值之间分别存在大(r=0.68)和中等(r=0.43)的相关性。
本研究提供的证据表明,神经驱动偏向于肌肉力量生成能力,与股内侧肌相比,股外侧肌的力量生成能力越强,驱动偏向股外侧肌的程度就越大。
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。




