猪模型胸腰筋膜损伤与运动限制联合效应的超声评估
该数据集来自 search.dataone.org,围绕猪模型胸腰筋膜损伤与运动限制联合效应的超声评估研究。源站描述指出,研究通过局部筋膜损伤结合使用连接一侧足部与胸带的“hobble”装置进行8周运动限制,在非干预侧于第8周测量胸腰筋膜厚度及被动髋屈曲时的剪切面活动度(剪切应变),并提及单独损伤所

基本信息
资源简介
猪模型胸腰筋膜损伤与运动限制联合效应的超声评估
Ultrasound evaluation of the combined effects of thoracolumbar fascia injury and movement restriction in a porcine model
该数据集来自 search.dataone.org,围绕猪模型胸腰筋膜损伤与运动限制联合效应的超声评估研究。源站描述指出,研究通过局部筋膜损伤结合使用连接一侧足部与胸带的“hobble”装置进行8周运动限制,在非干预侧于第8周测量胸腰筋膜厚度及被动髋屈曲时的剪切面活动度(剪切应变),并提及单独损伤所产生的影响。数据可用于筋膜损伤与运动限制相关病理生理机制的探索及超声指标分析(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):急性背部“扭伤”后背痛的持续存在是一个严重的公共卫生问题,其病理生理机制尚不清楚。近期发现,慢性下背痛(LBP)患者经超声测量显示胸腰筋膜厚度增加且活动度降低,提示背部筋膜可能参与LBP的病理生理过程。本研究采用猪模型,检验以下假设:通过将局部筋膜损伤与使用连接一侧足部与胸带的“hobble”装置进行8周运动限制相结合,可在猪模型中实验性地产生类似的超声表现。在8周时间点,对非干预侧(损伤和/或hobble)进行被动髋屈曲期间的胸腰筋膜厚度和剪切面活动度(剪切应变)超声测量。单独损伤导致
【主题与分类】
主题标签:movement restriction、injury、fascia、Connective tissue、Sus domisticus、Ultrasound。本站分类:损伤、中毒及外因。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A4aed85fdcbfe3c5c53ea49c02cccceb6389ee65e173ada395440a91a9cfd65e2
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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:
数据说明
急性背部“扭伤”后背痛的持续存在是一个严重的公共卫生问题,其病理生理机制尚不清楚。近期研究发现,慢性下背痛(LBP)患者经超声测量显示胸腰筋膜厚度增加且活动度降低,提示背部筋膜可能参与LBP的病理生理过程。本研究采用猪模型,检验以下假说:通过将局部筋膜损伤与运动限制相结合(使用“羁绊”装置将一侧足部与胸带连接8周),可在猪模型中实验性地产生类似的超声表现。在8周时间点,对非干预侧(损伤和/或羁绊)进行被动髋关节屈曲期间的胸腰筋膜厚度和剪切面活动度(剪切应变)超声测量。单纯损伤即可导致筋膜厚度增加(p = .007)以及非损伤侧筋膜剪切应变降低……
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。




