复现数据：使用低成本动作捕捉自动筛查乳腺癌术后肩关节活动受限的可行性
该数据集包含乳腺癌术后患者肩关节角度数据，用于基于Kinect动作捕捉和手动测角自动筛查肩关节活动受限的可行性研究。
基本信息
资源简介
复现数据：使用低成本动作捕捉自动筛查乳腺癌术后肩关节活动受限的可行性
【一句话概览】
本数据集是 DOI 解析 公开的结构化表格数据集，主题涵盖 Medicine, Health and Life Sciences，可用于统计建模、特征工程与队列分析。
【数据集背景】
本数据集源站标题为《Replication Data for: Feasibility of Using Low-Cost Motion Capture for Automated Screening of Shoulder Motion Limitation after Breast Cancer Surgery》。源站首次发布：2015。
【数据内容】
源站原始描述：This document describes shared data that is the basis for the following manuscript: V. Gritsenko, E. Dailey, N. Kyle, M. Taylor, S. Whittacre, and A. K. Swisher (2015) Feasibility of Using Low-Cost Motion Capture for Automated Screening of Shoulder. PLOS ONE. In press. The data consists of shoulder joint angles of people recovering from surgery performing several arm movements designed to test active and passive range of motion at the shoulder. The data values are maximal angles calculated from…
中文译文（机器翻译，仅供快速理解，请以原文为准）：本文件描述了作为以下手稿基础的共享数据：V. Gritsenko、E. Dailey、N. Kyle、M. Taylor、S. Whittacre 和 A. K. Swisher（2015）《使用低成本动作捕捉进行肩部自动筛查的可行性》。PLOS ONE。即将出版。该数据由正在从手术中康复、进行若干旨在测试肩部主动和被动活动范围的手臂动作的人的肩关节角度组成。数据值是通过 Kinect 传感器（Microsoft）进行动作捕捉以及手动测角法计算得到的最大角度。
【主题与分类】
主题标签：Medicine, Health and Life Sciences。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/FI7Q6W
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/10.7910/DVN/FI7Q6W
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:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
