Name: 用于运动迟缓检测的SVC模型
Creator: figshare
License: CC BY 4.0

基本信息

模态

其他

大小

0.000005087 GB

许可

CC BY 4.0

创建/更新时间

2025-04-30

版本

v2

资源简介

用于运动迟缓检测的SVC模型

【一句话概览】

该资源提供一个用于运动迟缓检测的 SVC 支持向量机模型，原始描述提示可在 Jupyter Notebook 中使用代码来使用该文件。资源包含 1 个文件，合计大小 5.1 KB。标签涉及帕金森病、运动迟缓、手指敲击测试和计算机视觉，分类为中枢神经系统，采用 CC BY 4.0 许可（来源 figshare，CC BY 4.0 许可）。

【数据集背景】

本数据集源站标题为《SVC model for bradykinesia detection》。项目资助方：Faculty of Medicine, Khon Kaen University, Thailand (Grant Number RU65203)。源站首次发布：2025-04-30。

【数据内容】

源站原始描述：Support vector machine model for bradykinesia detection : use code in jupyter notebook for use this file

中文译文（机器翻译，仅供快速理解，请以原文为准）：用于运动迟缓检测的支持向量机模型：在 Jupyter notebook 中使用代码以使用此文件

【数据结构与技术规格】

文件数 1 个，合计 5.09 KB。svm_best_model.pkl：application/octet-stream，5.09 KB。数据集 DOI：10.6084/m9.figshare.28883657.v2。

【主题与分类】

源站学科分类：Central nervous system。主题标签：Parkinson、Bradykinesia、Finger tapping test、Computer vision。

【适用方向】

源站学科分类标注为 Central nervous system。

【获取与许可】

源站页面：https://figshare.com/articles/dataset/SVC_model_for_bradykinesia_detection/28883657

使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。

规范引用：Kasemsap, Narongrit (2025). SVC model for bradykinesia detection. figshare. Dataset

原始链接

https://figshare.com/articles/dataset/SVC_model_for_bradykinesia_detection/28883657/1

访问原始数据

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（Figshare）

源站标题：SVC model for bradykinesia detection
DOI：10.6084/m9.figshare.28883657.v2
发布日期：2025-04-30
文件数：1 个
文件总体积：5.09 KB
源站页面：https://figshare.com/articles/dataset/SVC_model_for_bradykinesia_detection/28883657

命令行下载

curl -L -o "svm_best_model.pkl" "https://ndownloader.figshare.com/files/54101657"

文件清单

svm_best_model.pkl（5.09 KB）

文件总体积 5.09 KB（源站 API 实测）。

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