NeedleInsertionVibroacousticDataset

该数据集包含针插入水饱和多孔材料时产生的振动声学信号。数据集分为机器插入和手动插入两部分，每个文件为.wav格式，记录了振动声学信号，并在文件名或元数据中包含温度信息（单位为°C）。信号代表针与材料之间的振动声学相互作用，温度通过水浴稳定并用独立探头验证，采样和采集参数在所有记录中保持一致。机器插入记录包括插入前、插入、插入后和撤回阶段，但仅使用插入阶段（3.0–4.7秒）进行分析。手动插入记录被裁剪以保留仅对应于针在材料内穿透的段，确保与机器插入阶段的可比性。数据集旨在用于振动声学传感、温度回归和基于信号的机器学习方法在微创手术中的研究。

原始信息汇总

数据集概述

基本信息

• 数据集名称: Vibroacoustic Needle Insertion Temperature Dataset
• 托管平台: Hugging Face
• 数据集地址: https://huggingface.co/datasets/Martiii3/NeedleInsertionVibroacousticDataset
• 许可协议: Creative Commons Attribution 4.0 International (CC BY 4.0)
• 主要语言: 英语
• 任务类别: 其他

数据集内容

该数据集包含针插入水饱和多孔材料时产生的振动声学信号。

数据结构

数据集包含两个主要目录：

• robotic/：包含机器人插入操作记录的信号。
• manual/：包含手动插入操作记录的信号。

数据格式与信息

• 每个数据文件均为 .wav 格式，包含记录的振动声学信号。
• 每个信号对应的温度信息包含在文件名或元数据中，温度单位为摄氏度 (°C)。

数据描述与预处理

• 信号代表了针与材料之间的振动声学相互作用。
• 温度通过水浴槽进行稳定，并使用独立的探头进行验证。
• 所有记录的采样和采集参数保持一致。

信号段说明

• 机器人记录：包含插入前、插入、插入后和撤回阶段。用于分析的部分仅为对应于针穿透材料的插入阶段（3.0–4.7 秒）。
• 手动记录：被裁剪为仅保留针在材料内部穿透的对应片段，以确保与机器人插入阶段的可比性。

预期用途

该数据集旨在用于以下领域的研究：

• 振动声学传感
• 温度回归
• 基于信号的机器学习方法
• 微创手术相关应用

搜集汇总

数据集介绍

构建方式

在微创手术领域，针头插入过程的振动声学信号蕴含着丰富的组织交互信息。该数据集通过系统化的实验设计，采集了针头插入水饱和多孔材料时产生的振动声学信号。数据采集分为机器人辅助插入与手动插入两类，分别记录于独立的文件夹中。所有信号均以.wav格式保存，并在文件名中嵌入了精确的温度信息，该温度通过水浴装置稳定控制，并经由独立探头验证，确保了数据的一致性与可靠性。信号预处理阶段，机器人插入记录保留了插入前、插入、插入后及撤回四个阶段，而分析仅聚焦于针头穿透材料的插入阶段（3.0–4.7秒）；手动插入记录则经过裁剪，仅保留与针头穿透材料相对应的片段，以保证与机器人数据阶段的可比性。

特点

该数据集的核心特点在于其多模态与精细标注的结构。振动声学信号直接捕捉了针头与材料交互时的动态物理过程，为研究组织力学特性提供了直接依据。温度作为关键变量被集成于文件名中，实现了信号与环境参数的精确关联，支持温度回归等定量分析任务。数据涵盖了机器人辅助与手动操作两种模式，既体现了自动化过程的标准化控制，又保留了临床手动操作的自然变异性，增强了数据集的泛化能力。信号采样与采集参数在全数据集内保持高度一致，确保了跨记录的比较有效性，为机器学习模型训练提供了稳定基础。

使用方法

该数据集主要服务于振动声学传感、温度回归及基于信号的机器学习方法在微创手术中的研究。使用者可首先根据`robotic/`与`manual/`目录区分操作模式，并通过解析.wav文件名获取对应的温度标签。对于机器人数据，建议提取文件名中指示的插入阶段（3.0–4.7秒）进行重点分析；手动数据已预先裁剪为可比片段，可直接加载。研究人员可利用这些时序信号开发特征提取算法、构建温度预测模型，或探索不同插入模式下的信号模式差异。数据集采用CC BY 4.0许可，允许在注明出处的前提下自由用于学术研究与衍生工作。

背景与挑战

背景概述

在微创医疗手术领域，精准感知针头与生物组织间的交互动态是提升操作安全性与有效性的关键。NeedleInsertionVibroacousticDataset由研究团队于近年创建，专注于采集针头插入水饱和多孔材料时产生的振动声学信号，并同步记录温度参数。该数据集旨在探索振动声学传感技术在温度回归分析及机器学习辅助手术决策中的应用潜力，为智能手术器械的研发提供了重要的实验数据基础，推动了医疗机器人感知能力的进步。

当前挑战

该数据集致力于解决微创手术中实时监测针头插入过程物理状态的挑战，特别是通过振动声学信号实现温度变化的非接触式估计。在构建过程中，研究人员面临确保信号采集一致性的难题，需在严格控制温度的水浴环境中稳定材料特性，并精确分割针头穿透材料的插入阶段以保持数据可比性。此外，手动与机器人插入信号的时序对齐与相位标准化也构成了数据处理的重要挑战。

常用场景

经典使用场景

在微创手术领域，针头插入过程中的振动声学信号分析是提升操作精准度的关键环节。该数据集通过记录针头插入水饱和多孔材料时产生的振动声学信号，为研究针头与组织交互的动态特性提供了标准化数据源。经典使用场景包括利用机器学习算法对信号进行特征提取，以识别插入过程中的物理状态变化，如针尖穿透不同组织层时的声学特征差异，从而辅助开发实时监测系统。

实际应用

在实际医疗应用中，该数据集可助力智能手术器械的开发。例如，在活检或药物注射等微创操作中，利用振动声学信号实时反馈针头位置与组织阻力，能减少对医学影像的依赖，降低操作风险。结合温度数据，还可用于监测组织热变化，辅助热消融等治疗过程。此外，在机器人辅助手术系统中，该数据为自适应控制算法提供训练基础，提升手术自动化水平与安全性。

衍生相关工作

围绕该数据集，已衍生出多项经典研究工作。例如，基于信号分段分析，研究者开发了针头插入阶段的声学特征分类模型，用于区分正常与异常插入状态。另有研究结合深度学习架构，实现从振动声学信号到温度的高精度回归，验证了声学传感在生物热监测中的潜力。这些工作进一步拓展至多模态传感融合，将振动声学数据与力反馈结合，推动微创手术智能感知系统的演进。