five

IHDS-balance|人体平衡数据集|生物力学数据集

收藏
github2024-05-01 更新2024-05-31 收录
人体平衡
生物力学
下载链接:
https://github.com/BMClab/IHDS-balance
下载链接
链接失效反馈
资源简介:
该数据集整合了关于人类姿势摇摆的开放数据集,用于研究和分析人类平衡评估。

This dataset integrates open datasets on human postural sway, designed for research and analysis in human balance assessment.
创建时间:
2024-04-27
原始信息汇总

数据集概述

数据集名称

IHDS-balance

数据集描述

该数据集整合并协调了多个关于人类平衡摆动的公开数据集。

数据集来源

  1. Santos D.A., Duarte M. (2016) - 人类平衡评估的公共数据集。
  2. Dos Santos D.A., Fukuchi C.A., Fukuchi R.K., Duarte M. (2017) - 包含人体平衡的动理学和地面反作用力的数据集。
  3. Priplata A.A., Niemi J.B., Harry J.D., Lipsitz L.A., Collins J.J. (2003) - 关于老年人使用振动鞋垫的平衡控制研究。
  4. Tetsuro F., Shinya A., Nozomi T., Kazuo T. (2016) - 由于地面反应弱和噪声导致的站立摆动平滑放大研究。
  5. Lions C., Bucci M.P., Bonnet C. (2016) - 健康年轻成年人在困难视觉任务中的平衡控制研究。
  6. Kerkman J., Daffertshofer A., Boonstra T. (2018) - 健康成年人在平衡控制任务中的肌肉活动、地面反作用力和指向性能研究。
  7. Wang H., van den Bogert A. (2020) - 长时间随机脉冲扰动下的站立平衡实验。
  8. Sbrollini A., Agostini V., Cavallini C., Burattini L., Knaflitz M. (2020) - Stargardt综合征患者的平衡数据。
  9. Boari D. (2021) - 帕金森病患者的地面反作用力数据集。
  10. Loram I., Gollee H., van de Kamp C., Gawthrop P.J. (2022) - 关于人类平衡控制中非线性振荡成分来源的研究数据集。
AI搜集汇总
数据集介绍
main_image_url
构建方式
IHDS-balance数据集通过整合与协调多个公开的人类姿势摇摆数据集构建而成。该数据集汇集了来自不同研究机构和实验条件下的数据,包括Santos等人(2016)、Dos Santos等人(2017)、Priplata等人(2003)等研究团队的研究成果。这些数据涵盖了从健康成年人到患有特定疾病的个体,以及在不同视觉和动态条件下的姿势控制表现。通过统一的数据处理和标准化方法,IHDS-balance确保了数据的一致性和可比性,为姿势控制研究提供了丰富的资源。
特点
IHDS-balance数据集的显著特点在于其多样性和综合性。该数据集不仅包含了多种生理和病理条件下的姿势摇摆数据,还涵盖了多种实验条件和测量指标,如地面反作用力、运动学数据等。此外,数据集的整合和协调处理使得不同研究之间的数据可以进行直接比较和分析,极大地增强了其应用价值。这种多样性和一致性的结合,使得IHDS-balance成为姿势控制领域研究的重要工具。
使用方法
IHDS-balance数据集适用于多种姿势控制相关的研究,包括但不限于姿势稳定性分析、疾病对姿势控制的影响评估、以及新型姿势控制干预措施的效果验证。研究者可以通过访问数据集的GitHub页面下载所需数据,并利用提供的标准化处理方法进行数据分析。数据集的使用应遵循相应的引用规范,确保原始数据来源的正确引用。此外,数据集的开放性也鼓励研究者进行跨研究的数据整合和创新性分析,以推动姿势控制领域的进一步发展。
背景与挑战
背景概述
IHDS-balance数据集是由多个研究机构和学者共同创建的,旨在整合与协调关于人类姿势摇摆的开放数据集。该数据集的创建时间跨度较长,涵盖了从2003年至2022年的多个研究成果。主要研究人员包括Santos、Duarte、Fukuchi、Priplata等,他们分别在不同的年份发表了关于人类平衡评估的研究。IHDS-balance的核心研究问题是如何有效地整合和协调来自不同来源的人类姿势摇摆数据,以促进该领域的进一步研究。该数据集对人类姿势控制和平衡研究领域具有重要影响力,为研究人员提供了丰富的数据资源,有助于推动相关领域的理论和应用研究。
当前挑战
IHDS-balance数据集在构建过程中面临了多个挑战。首先,整合来自不同研究机构和不同年份的数据,确保数据的一致性和可比性是一个复杂的问题。其次,不同数据集可能采用不同的测量方法和标准,如何进行数据的标准化和协调也是一个重要的挑战。此外,数据集的多样性虽然丰富了研究内容,但也增加了数据处理的复杂性。最后,确保数据的质量和可靠性,避免数据中的噪声和误差对研究结果的影响,也是该数据集面临的一个重要挑战。
常用场景
经典使用场景
IHDS-balance数据集的经典使用场景主要集中在人体平衡评估与控制的研究领域。该数据集整合了多个公开的人体平衡数据集,涵盖了从健康个体到患有特定疾病的不同人群的平衡表现。研究者可以利用该数据集进行人体平衡的定量分析,探索不同生理和病理条件下平衡控制的差异,从而为平衡障碍的诊断和治疗提供科学依据。
实际应用
在实际应用中,IHDS-balance数据集为平衡障碍的诊断和康复提供了重要支持。例如,医疗专业人员可以利用该数据集开发个性化的康复训练方案,针对不同患者的平衡问题进行精准干预。此外,该数据集还可用于评估新型平衡辅助设备的效果,如振动鞋垫或平衡训练器,从而提高设备的设计和应用效果。
衍生相关工作
IHDS-balance数据集的发布催生了一系列相关研究工作。例如,研究者基于该数据集开发了新的平衡评估算法,提高了平衡障碍诊断的准确性。同时,该数据集也被用于验证多种平衡控制模型的有效性,推动了理论模型的优化和改进。此外,跨学科的研究团队还利用该数据集探索了视觉、听觉和本体感觉在平衡控制中的交互作用,进一步拓展了研究的广度和深度。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

UIEB, U45, LSUI

本仓库提供了水下图像增强方法和数据集的实现,包括UIEB、U45和LSUI等数据集,用于支持水下图像增强的研究和开发。

github 收录

中国1km分辨率逐月降水量数据集(1901-2024)

该数据集为中国逐月降水量数据,空间分辨率为0.0083333°(约1km),时间为1901.1-2024.12。数据格式为NETCDF,即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集,通过Delta空间降尺度方案在中国降尺度生成的。并且,使用496个独立气象观测点数据进行验证,验证结果可信。本数据集包含的地理空间范围是全国主要陆地(包含港澳台地区),不含南海岛礁等区域。为了便于存储,数据均为int16型存于nc文件中,降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理,Matlab发布了读入与存储nc文件的函数,读取函数为ncread,切换到nc文件存储文件夹,语句表达为:ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent]),其中XXX.nc为文件名,为字符串需要’’;var是从XXX.nc中读取的变量名,为字符串需要’’;i、j、t分别为读取数据的起始行、列、时间,leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样,研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令,可查看。数据坐标系统建议使用WGS84。

国家青藏高原科学数据中心 收录

中国交通事故深度调查(CIDAS)数据集

交通事故深度调查数据通过采用科学系统方法现场调查中国道路上实际发生交通事故相关的道路环境、道路交通行为、车辆损坏、人员损伤信息,以探究碰撞事故中车损和人伤机理。目前已积累深度调查事故10000余例,单个案例信息包含人、车 、路和环境多维信息组成的3000多个字段。该数据集可作为深入分析中国道路交通事故工况特征,探索事故预防和损伤防护措施的关键数据源,为制定汽车安全法规和标准、完善汽车测评试验规程、

北方大数据交易中心 收录

flames-and-smoke-datasets

该仓库总结了多个公开的火焰和烟雾数据集,包括DFS、D-Fire dataset、FASDD、FLAME、BoWFire、VisiFire、fire-smoke-detect-yolov4、Forest Fire等数据集。每个数据集都有详细的描述,包括数据来源、图像数量、标注信息等。

github 收录

CE-CSL

CE-CSL数据集是由哈尔滨工程大学智能科学与工程学院创建的中文连续手语数据集,旨在解决现有数据集在复杂环境下的局限性。该数据集包含5,988个从日常生活场景中收集的连续手语视频片段,涵盖超过70种不同的复杂背景,确保了数据集的代表性和泛化能力。数据集的创建过程严格遵循实际应用导向,通过收集大量真实场景下的手语视频材料,覆盖了广泛的情境变化和环境复杂性。CE-CSL数据集主要应用于连续手语识别领域,旨在提高手语识别技术在复杂环境中的准确性和效率,促进聋人与听人社区之间的无障碍沟通。

arXiv 收录