Biomechanics dataset|生物力学数据集|开放数据数据集

公开可用的生物力学数据集信息。在使用前请检查各个数据集的许可证。

Information on publicly available biomechanical datasets. Please check the license of each dataset before use.

原始信息汇总

数据集概述

[Kinematics + forces + EMG] 数据集

• R Macaluso, K Embry, D Villarreal, R Gregg, "Human Leg Kinematics, Kinetics, and EMG during Phase-Shifting Perturbations at Varying Inclines", IEEE Dataport, 2020. 在线访问
• Lencioni, Tiziana; CARPINELLA, ILARIA; Rabuffetti, Marco; Marzegan, Alberto; Ferrarin, Maurizio (2019): Human kinematic, kinetic and EMG data during level walking, toe/heel-walking, stairs ascending/descending. figshare. Collection. 在线访问
• K. Embry, D. Villarreal, R. Macaluso, R. Gregg, "The Effect of Walking Incline and Speed on Human Leg Kinematics, Kinetics, and EMG", IEEE Dataport, 2018. 在线访问
• Wang, Wei; Li, Ke; Yue, Shouwei; Yin, Cuiping; Wei, Na (2017): Associations between lower-limb muscle activation and knee flexion in post-stroke individuals: A study on the stance-to-swing phases of gait. PLOS ONE. Dataset. 在线访问

[Kinematics + forces/EMG] 数据集

• Laboratory for Movement Biomechanics, ETH Zürich: https://movement.ethz.ch/data-repository.html
• University of Pennsylvania SIG Center for Computer Graphics Multi Modal Motion Capture Library: https://fling.seas.upenn.edu/~mocap/
• Hood, Sarah; Lenzi, Tommaso (2020): Lower Limb Kinetic and Kinematic Data of 18 Above Knee Amputees. figshare. Dataset. 在线访问
• Horst, Fabian; Lapuschkin, Sebastian; Samek, Wojciech; Müller, Klaus-Robert; Schöllhorn, Wolfgang I. (2019), “A public dataset of overground walking kinetics and full-body kinematics in healthy adult individuals”, Mendeley Data, v3 在线访问
• Matijevich, E. S., Branscombe, L. M., Scott, L. R., & Zelik, K. E. (2019). Ground reaction force metrics are not strongly correlated with tibial bone load when running across speeds and slopes: Implications for science, sport and wearable tech. PloS one, 14(1), e0210000. 数据访问
• Honert, Eric C., & Zelik, Karl E. (2019). Dataset from: Honult and Zelik (2019) "Foot and shoe responsible for majority of soft tissue work in early stance of walking" [Data set]. Zenodo. 在线访问
• Caravan A, Scheffey JO, Briend SJ, Boddy KJ. 2018. Surface electromyographic analysis of differential effects in kettlebell carries for the serratus anterior muscles. PeerJ 6:e5044 数据访问
• Deborah A. Jehu, Hiram Cantu, Allen Hill, Caroline Paquette, Julie N. Cote, & Julie Nantel. (2018). Standing repetitive pointing task in individuals with and without Parkinsons disease (Version v1.0.0) [Data set]. Zenodo. 在线访问
• Ozkaya, Gizem; Jung, Hae Ryun; Jeong, In Sub; Choi, Min Ra; Shin, Min Young; Lin, Xue; et al. (2018): Three-dimensional motion capture data during repetitive overarm throwing practice. figshare. Collection. 在线访问
• Lunn, David and Chapman, Graham and Redmond, Anthony (2018) Motion analysis in total joint replacement patients: Data Release 1. University of Leeds. 数据集
• Goršič, Maja, Dai, Boyi, & Novak, Domen. (2020). Load position and weight classification during carrying gait using wearable inertial and electromyographic sensors [Data set]. Zenodo. 在线访问
• Matran-Fernandez, A., Rodríguez Martínez, I.J., Poli, R. et al. SEEDS, simultaneous recordings of high-density EMG and finger joint angles during multiple hand movements. Sci Data 6, 186 (2019). 数据访问
• Krasoulis, Agamemnon; Vijayakumar, Sethu; Nazarpour, K. (2019): EMG and data glove dataset for dexterous myoelectric control. Newcastle University. Dataset. 在线访问
• Donati, Elisa. (2019). EMG from forearm datasets for hand gestures recognition [Data set]. Zenodo. 在线访问
• Jarque-Bou, Nestor, Vergara, Margarita, Sancho-Bru, Joaquín L., Gracia-Ibáñez, Verónica, & Roda-Sales, Alba. (2019). A calibrated database of kinematics and EMG of the forearm and hand during activities of daily living (Version 1.0) [Data set]. Zenodo. 在线访问
• De Graaf, Myriam Lauren, Hubert, Juul, Houdijk, Han, & Bruijn, Sjoerd M. (2019). Data: Influence of Arm Swing on Cost of Transport during Walking [Data set]. Zenodo. 在线访问
• Mohammadreza Mahaki, Sjoerd M. Bruijn, & Jaap H. van Dieën. (2019). Data: The effect of external lateral stabilization on the use of foot placement to control mediolateral stability in walking and running [Data set]. 在线访问
• Hu, Blair (2018): Benchmark datasets for bilateral lower limb neuromechanical signals from wearable sensors during unassisted locomotion in able-bodied individuals. figshare. Dataset. 在线访问
• Mohr, Maurice; Schön, Tanja; von Tscharner, Vinzenz; Nigg, Benno (2018), “Data for: Intermuscular Coherence between Surface EMG Signals recorded with Monopolar and Bipolar EMG Systems during Squatting”, Mendeley Data, v1 在线访问
• HuGaDB: https://github.com/romanchereshnev/HuGaDB

[Kinematics only] 数据集

• KIT Whole-Body Human Motion Database: https://motion-database.humanoids.kit.edu/
• SFU Motion Capture Database: http://mocap.cs.sfu.ca/
• Mocap Database HDM05: http://resources.mpi-inf.mpg.de/HDM05/index.html
• UMONS-TAICHI: https://github.com/numediart/UMONS-TAICHI 数据访问
• Berkeley Multimodal Human Action Database (MHAD): https://tele-immersion.citris-uc.org/berkeley_mhad
• Dance Motion Capture Database: http://dancedb.eu/
• The UMPM Benchmark: http://www2.projects.science.uu.nl/umpm/
• Cologne Motion Capture Database: https://mocap.web.th-koeln.de/
• AnDyDataset: https://andydataset.loria.fr/
• Rengifo Rodas, Carlos Felipe; Caicedo Rodríguez, Pablo Eduardo ; Rodriguez Cheu, Luis Eduardo; Sierra Arevalo, Wilson Alexander; Gómez Guevara, Maria Catalina (2020), “Dataset for gait analysis and assessment of fall risk for older adults”, Mendeley Data, v1 在线访问
• Boddy, K. J., Marsh, J. A., Caravan, A., Lindley, K. E., Scheffey, J. O., & O’Connell, M. E. (2019). Exploring wearable sensors as an alternative to marker-based motion capture in the pitching delivery. PeerJ, 7, e6365. 在线访问
• Maurice, Pauline, Malaisé, Adrien, Ivaldi, Serena, Rochel, Olivier, Amiot, Clelie, Paris, Nicolas, … Fritzsche, Lars. (2019). AndyData-lab-onePerson (Version 2) [Data set]. The International Journal of Robotics Research. Zenodo. 在线访问
• Malaisé, Adrien, Maurice, Pauline, Ivaldi, Serena, Colas, Francis, & Rochel, Olivier. (2018). AndyData-lab-onePersonWithShoes (Version 1) [Data set]. Zenodo. 在线访问
• Maurice, Pauline, Camernik, Jernej, Gorjan, Dasa, Babic, Jan, Schirrmeister, Benjamin, Bornmann, Jonas, … Pucci, Daniele. (2018). AndyData-lab-onePersonWithExoskeleton (Version 1) [Data set]. IEEE Transactions on Neural Systems and Rehabilitation Engineering. Zenodo. 在线访问
• Drew, Alex J., Izykowski, Morgan T., Bachus, Kent N., Henninger, Heath B., & Foreman, K. Bo. (2017). Transhumeral Loading During Advanced Upper Extremity Activities of Daily Living [Data set]. Zenodo. 在线访问
• Huang, Yu-Fen; Moran, Nikki; Coleman, Simon. (2017). Orchestral conducting motion capture data, 2015 [dataset]. Reid School of Music, University of Edinburgh; Institute for Sport, Physical Education and Health Sciences, University of Edinburgh. 在线访问
• HuMoD Database: https://www.sim.informatik.tu-darmstadt.de/res/ds/humod/
• Emotional Body Motion Database: http://ebmdb.tuebingen.mpg.de/index.php
• Human 3.6M: http://vision.imar.ro/human3.6m/
• Interaction Database CGVU @ The University of Edinburgh: http://www.ipab.inf.ed.ac.uk/cgvu/InteractionDatabase/interactiondb.html
• MoCap ULL Project: http://atrae.webs.ull.es/capturadormovimiento/
• HumanEva: http://humaneva.is.tue.mpg.de/
• Luo, Yue; Coppola, Sarah; Dixon, Philippe; Li, Song; Dennerlein, Jack; Hu, Boyi (2020): A database of human gait performance on irregular and uneven surfaces collected by wearable sensors. figshare. Collection. 在线访问
• Schwarz, Anne, Bhagubai, Miguel M. C., Wolterink Gerjan, Held, Jeremia P. O., Luft, Andreas R., & Veltink, Peter H. (2020). Kinematics of reach-to-grasp and displacement after stroke [Data set]. Zenodo. 在线访问
• Schwarz, Anne, Held, Jeremia P. O., & Luft, Andreas R. (2020). Post-stroke upper limb kinematics of a set of daily living tasks (Version 1.0.0) [Data set]. Zenodo. 在线访问
• Vieten, Manfred, & Weich, Christian. (2019). The kinematics of cyclic human movement [Data set]. Zenodo. 在线访问
• NIU, Haijun; SHEN, Fei; GAO, Xing; Fan, Yubo; WANG, Li; MA, Yingnan (2018), “Data for: Dynamic walking stability of elderly people with various BMIs”, Mendeley Data, v1 在线访问

[Other] 数据集

• AMASS: https://amass.is.tue.mpg.de/
• WhoLoDance: http://www.wholodance.eu/
• AIST Gait Database 2019: https://unit.aist.go.jp/harc/ExPART/GDB2019_e.html
• Brokoslaw Laschowski, Reza Sharif Razavian, John McPhee, "Measurement and Simulation of Human Sitting and Standing Movement Biomechanics ", IEEE Dataport, 2019. 在线访问
• Ilaria Mileti, Aurora Serra, Nerses Wolf, Victor Munoz-Martel, Antonis Ekizos, Eduardo Palermo, … Alessandro Santuz. (2020). Muscle activation patterns are more constrained and regular in treadmill than in overground human locomotion (Version 1.1.0) [Data set]. Zenodo. 在线访问
• Santuz, Alessandro, Ekizos, Antonis, Kunimasa, Yoko, Kijima, Kota, Ishikawa, Masaki, & Arampatzis, Adamantios. (2020). Lower complexity of motor primitives ensures robust control of high-speed human locomotion (Version 1.2.0) [Data set]. Zenodo. 在线访问
• **Santuz, Alessandro, Ekizos, Antonis, Janshen, Lars, Mersmann, Falk, Bohm, Sebastian, Baltzopoulos, Vasilios, & Arampatzis, Adamantios. (2020). Modular control of human movement

AI搜集汇总

数据集介绍

构建方式

生物力学数据集（Biomechanics dataset）的构建基于多种公开可用的数据集，涵盖了运动学、力学和肌电图（EMG）等多模态数据。这些数据集通过不同的实验设计和采集技术生成，包括使用C3D文件格式的数据集，如CAMS-Knee和Moissenet等人收集的多模态步态数据，以及其他文件格式如IEEE Dataport和figshare平台上的数据集。这些数据集的构建依赖于高精度的运动捕捉系统、力传感器和肌电图设备，确保了数据的准确性和多样性。

使用方法

使用该数据集时，用户应首先根据具体研究需求选择合适的数据集，并确保遵守各数据集的许可协议。数据集可通过多种平台如figshare、IEEE Dataport和Zenodo等获取，支持C3D文件格式和其他常见文件格式的读取。研究者可以使用Python、MATLAB等编程语言结合相关工具包（如PyC3Dserver和MOtoNMS）进行数据处理和分析。此外，用户应根据研究目的选择合适的分析方法，如运动学分析、力学建模和肌电图信号处理等。

背景与挑战

背景概述

生物力学数据集（Biomechanics dataset）是一个汇集了多种生物力学研究数据的公开资源，涵盖了运动学、力学和肌电图（EMG）等多个领域。该数据集的创建旨在为研究人员提供丰富的实验数据，以支持对人体运动、肌肉活动及关节力学的深入研究。数据集包含了来自不同研究机构和项目的实验数据，如ETH Zürich、University of Pennsylvania等，这些数据涵盖了从健康个体到特定疾病患者的多种运动模式。通过这些数据，研究人员可以探索不同运动条件下的生物力学特性，进而推动运动科学、康复医学及人机交互等领域的发展。

当前挑战

生物力学数据集在构建和应用过程中面临多项挑战。首先，数据的多源性和异构性使得数据整合与标准化成为一个复杂的问题，不同实验条件和设备可能导致数据格式和精度的差异。其次，生物力学数据的采集通常涉及复杂的实验设置和高精度的传感器，这不仅增加了数据获取的成本，还对数据处理和分析提出了更高的技术要求。此外，如何从大量数据中提取有意义的生物力学特征，并将其应用于实际问题的解决，也是当前研究中的一个重要挑战。最后，数据隐私和伦理问题在涉及人体实验时尤为突出，确保数据使用的合法性和伦理性是数据集应用中的关键问题。

常用场景

经典使用场景

生物力学数据集（Biomechanics dataset）在运动分析和康复研究中具有广泛的应用。该数据集包含了多种运动模式下的运动学、动力学和肌电图（EMG）数据，特别适用于分析人体在不同运动状态下的肌肉激活模式和关节受力情况。例如，研究者可以利用该数据集分析步行、跑步或上下楼梯时下肢肌肉的激活顺序和强度，从而揭示不同运动模式对肌肉和关节的影响。

解决学术问题

该数据集为解决生物力学领域的多个学术问题提供了重要支持。例如，通过分析不同运动速度和坡度下的运动学和动力学数据，研究者可以探讨运动速度对关节负荷和肌肉激活的影响，进而优化运动训练方案。此外，该数据集还为研究肌肉损伤后的康复过程提供了宝贵的数据支持，帮助学者理解肌肉再训练的最佳策略。

实际应用

在实际应用中，生物力学数据集被广泛用于运动医学、康复工程和运动装备设计等领域。例如，医生可以利用该数据集评估患者在康复训练中的运动表现，制定个性化的康复计划。运动装备设计师则可以通过分析不同运动状态下的关节受力情况，优化运动鞋和护具的设计，以减少运动损伤的风险。

数据集最近研究

最新研究方向

近年来，生物力学数据集在运动分析、康复医学和人体工程学等领域的前沿研究中扮演着越来越重要的角色。该数据集涵盖了多种运动模式下的运动学、动力学和肌电图（EMG）数据，为研究人员提供了丰富的实验数据资源。特别是在步态分析、运动损伤预防和康复训练优化等方面，该数据集的应用尤为突出。例如，研究人员利用这些数据集开发了更精确的步态模型，以评估不同行走速度和坡度对人体下肢的影响，从而为个性化康复方案的制定提供了科学依据。此外，该数据集还促进了可穿戴设备在运动监测中的应用研究，推动了智能康复设备的发展。这些研究不仅提升了运动科学的基础理论，还为临床实践提供了有力的支持，具有重要的学术和应用价值。