INDIP验证论文数据样本
该数据集为INDIP验证论文提供数据样本，来源于Mobilise-D HYA数据集（一名参与者，包含实验室及2.5小时数据）和Mobilise-D技术验证数据集（每个队列一名受试者，涵盖HOA、PD、MS、COPD、CHF、PFF，数据时长2.5小时）
基本信息
资源简介
INDIP验证论文数据样本
Data sample INDIP Validation Paper
该数据集为INDIP验证论文提供数据样本，来源于Mobilise-D HYA数据集（一名参与者，包含实验室及2.5小时数据）和Mobilise-D技术验证数据集（每个队列一名受试者，涵盖HOA、PD、MS、COPD、CHF、PFF，数据时长2.5小时）。数据以共享文件夹形式提供，作为已发表于Frontiers Journal的论文“A multi-sensor wearable system for the assessment of diseased gait in real-world conditions”所提出工作的示例。该数据可用于真实世界条件下疾病步态评估的多传感器可穿戴系统研究，使用时需引用该论文（来源 DOI 解析。
【数据集背景】
源站首次发布：2023。
【数据内容】
源站描述（机器翻译，仅供参考）：共享文件夹中提供了来自Mobilise-D HYA数据集（一名参与者，包含实验室和2.5小时的数据）和Mobilise-D技术验证数据集（每个队列一名受试者——HOA、PD、MS、COPD、CHF、PFF；数据来自2.5小时）的标准化数据，作为已被Frontiers Journal接受发表的论文“A multi-sensor wearable system for the assessment of diseased gait in real-world conditions”中所提出工作的示例。请参阅该论文以获取更多信息。如果使用这些数据，请引用该论文。
【主题与分类】
主题标签：Gait analysis、Inertial measurement units、Real-world。本站分类：呼吸系统疾病/其他。
【获取与许可】
源站页面：https://zenodo.org/record/7802794
使用许可：Creative Commons Attribution 4.0 International。
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/10.5281/zenodo.7802794
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 1.84 GB。
数据说明
共享文件夹中提供了来自Mobilise-D HYA数据集的标准化数据（一名参与者，包含实验室数据和2.5小时数据）以及Mobilise-D技术验证数据集（每个队列一名受试者——HOA、PD、MS、COPD、CHF、PFF；2.5小时数据），作为发表于Frontiers Journal的论文《A multi-sensor wearable system for the assessment of diseased gait in real-world conditions》中所提出工作的示例。更多信息请参阅该论文。如使用这些数据，请引用该论文。
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。
