基于扩散相关光谱的骨移植愈合血流时空无创监测数据
该数据集来自一项利用扩散相关光谱无创监测骨移植愈合过程中血流时空变化的研究。研究采用小鼠股骨节段缺损模型,在植入前及植入后每周测量移植部位近端和远端多个位置的血流,共持续9周,其中自体移植n=7、同种异体移植n=10,并与对侧未受损对照腿进行比较

基本信息
资源简介
基于扩散相关光谱的骨移植愈合血流时空无创监测数据
Data from: Non-invasive monitoring of temporal and spatial blood flow during bone graft healing using diffuse correlation spectroscopy
该数据集来自一项利用扩散相关光谱无创监测骨移植愈合过程中血流时空变化的研究。研究采用小鼠股骨节段缺损模型,在植入前及植入后每周测量移植部位近端和远端多个位置的血流,共持续9周,其中自体移植n=7、同种异体移植n=10,并与对侧未受损对照腿进行比较。数据可用于分析移植后血流动态变化规律,探索血流指标与骨移植愈合结局之间的关联,并支持纵向血流预测建模(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2016。
【数据内容】
源站描述(机器翻译,仅供参考):血管浸润及相关的微血管血流改变对于完全的骨移植愈合至关重要。因此,实时、纵向的血流测量有潜力成功预测移植愈合结果。在此,我们在小鼠股骨节段缺损模型中使用扩散相关光谱无创地测量骨自体移植和同种异体移植中的纵向血流变化。在植入前以及植入后每周,在移植部位近端和远端的多个位置测量血流,共持续9周(自体移植n=7,同种异体移植n=10)。将带有移植物的同侧腿的测量结果与未受损的对侧对照腿进行比较。自体移植和同种异体移植均表现出初始血流增加,随后逐渐恢复至基线水平。血流升高持续
【主题与分类】
主题标签:diffuse correlation spectroscopy。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.719cn
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.719cn
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 130.2 KB。
数据说明
血管浸润及相关的微血管血流改变对于完整的骨移植愈合至关重要。因此,实时、纵向的血流测量有潜力成功预测移植愈合结果。在此,我们采用扩散相关光谱技术,在小鼠股骨节段性缺损模型中无创地纵向测量了自体骨移植和异体骨移植的血流变化。在植入前以及植入后每周测量移植部位近端和远端多个位置的血流,共计9周(自体骨移植n=7,异体骨移植n=10)。将带有移植物的同侧腿的测量结果与对侧完整对照腿进行比较。自体骨移植和异体骨移植均表现出初始血流增加,随后逐渐恢复至基线水平。自体骨移植的血流升高持续长达2周,而异体骨移植的持续时间则因测量空间位置的不同而从2周到6周不等。
在自体移植组中,对侧未受损对照肢的血流在整个9周内保持基线水平;然而,在异体移植组中,血流呈现出与移植肢相似的趋势。移植肢与对侧肢之间的血流差异(ΔrBF),这一参数旨在评估移植特异性变化,在自体移植组于第1-2周升高,在异体移植组于第2-4周在近端和中央位置升高。然而,在移植物的远端,异体移植组在术后3周时表现出显著大于自体移植组的ΔrBF(p < 0.05)。这些血流在空间和时间上的差异支持了异体移植相对于自体移植愈合延迟的既定趋势。
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。




