神经肌肉 OpenCap 数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.22309771

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。

数据集大小约 6.59 GB。

数据说明

神经肌肉OpenCap数据集（Neuromuscular_OpenCap_Dataset.zip）包含了415名个体（675次数据采集访问）在执行运动任务时的身体节段运动学时间序列、标记点位置、缩放后的肌肉骨骼模型以及元数据字典。所有数据均使用OpenCap——一款基于视频的无标记点运动捕捉智能手机应用程序——进行记录和处理。我们的队列包括患有12种不同罕见遗传定义神经肌肉疾病的个体以及年龄匹配的健康对照者。我们还发布了一个伴随的人口统计学CSV文件（nmd_opencap_participant_info.csv），其中包含我们数据集中所有参与者的去标识化人口统计信息、计时功能测试（TFT）时间以及患者报告的结果测量（ACTIVLIM调查结果）。请访问我们的GitHub下载在该数据集上训练和测试的疾病检测与损伤严重程度量化代码及模型。

请按照我们README.md中的说明，复现以下手稿（目前正在投稿中）中的所有图表、表格和统计数据，该手稿还包含了关于我们数据集的更多详细信息：深度学习模型从视频衍生的生物力学数据中检测神经肌肉疾病并量化功能损伤 Sydney Covitz, Parker S. Ruth, Shelby Vogt-Domke, Carmichael Ong, Tian Tan, Audrey Chun, Sarah Ismail, Lin Karman, Julie Muccini, Shannon Li, Melina Rogers, Scott Uhlrich, John W. Day, Jennifer L. Hicks, Constance de Monts, Tina Duong, Scott L. Delp

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。