基于活动加速度的原发性震颤评估深度学习数据集

原发性震颤患者加速度传感器数据,用于基于深度学习的震颤评估。

NIAID Data Ecosystem
浏览 17
时间序列原发性震颤加速度数据
Activity based acceleration dataset for essential tremor evaluation using deep learning method

基本信息

模态
时间序列
大小
0.003387853 GB
创建/更新时间
2026-10-08
版本
v1

资源简介

基于活动加速度的原发性震颤评估深度学习数据集

【一句话概览】

本数据集标题为“Activity based acceleration dataset for essential tremor evaluation using deep learning method”,数据采集自特发性震颤患者,这些患者依据 Fahn-Tolosa Marin 震颤评定量表(FTMTRS)接受评估。所用传感器设备包括 Pebble 智能手表和通过蓝牙连接的手机。数据集共有 1 个文件,合计大小 3.4 MB(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Activity based acceleration dataset for essential tremor evaluation using deep learning method》。源站首次发布:2018-03-25。

【数据内容】

源站原始描述:Data captured from Essential Tremor patients being assessed agaist the Fahn-Tolosa Marin Tremor Rating Scale (FTMTRS). Sensor devices used include pebble smartwatch and bluetooth linked mobile phone

中文译文(机器翻译,仅供快速理解,请以原文为准):数据采集自正在依据 Fahn-Tolosa Marin Tremor Rating Scale (FTMTRS) 进行评估的特发性震颤患者。使用的传感器设备包括 Pebble 智能手表和通过蓝牙连接的手机。

【数据结构与技术规格】

文件数 1 个,合计 3.39 MB。数据集 DOI:10.17632/fd6sdp6t7x.1。

【适用方向】

时序数据适用于疾病进展预测、生理信号监测与事件发生的时序建模。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/fd6sdp6t7x

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://data.mendeley.com/datasets/fd6sdp6t7x

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

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。

获取专属数据定制方案