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？
Vital Videos|远程生命体征监测数据集|PPG波形分析数据集
收藏arXiv2023-10-09 更新2024-08-06 收录
下载链接：
http://arxiv.org/abs/2306.11891v2
下载链接
链接失效反馈资源简介：
Vital Videos数据集由Vital Videos项目创建，旨在提供一个包含PPG波形和血压测量的大型公共数据集，以支持远程生命体征测量的研究。该数据集包含近900名参与者的视频数据，每位参与者录制了两段30秒的视频，涵盖了性别、年龄和肤色等多种人口统计学特征。数据收集过程严格，确保了数据的多样性和质量。该数据集的应用领域广泛，主要用于研究和开发远程生命体征监测技术，以解决传统监测方法的局限性。
提供机构：
Vital Videos项目
创建时间：
2023-06-03
AI搜集汇总
数据集介绍
构建方式
Vital Videos数据集的构建是通过招募近900名参与者，为每位参与者录制两个30秒的无压缩视频，同步PPG波形和一次血压测量。参与者被要求坐在50至70厘米远的三脚架相机前，血压袖带和脉搏血氧仪被连接到参与者身上。在PPG波形稳定后，记录30秒的视频和PPG波形。之后，在第二次30秒的记录中测量血压，同时捕获PPG波形、心率和SpO2值。
使用方法
要使用Vital Videos数据集，研究人员可以访问VV-Small、VV-Medium或VV-Large数据集。如果研究不直接或间接从中获利，并承诺公开出版工作（包括代码和模型），则可以使用数据集。数据集的访问需要完成相应的表格，之后可以快速、轻松地通过1TB FTP服务器访问数据。对于需要原始数据的VV-Large-raw，可以通过邮寄物理硬盘的方式请求，但会收取小额费用以覆盖运输成本。
背景与挑战
背景概述
Vital Videos数据集的创建旨在推动远程生命体征测量技术的发展，特别是利用智能手机摄像头进行测量的研究。随着智能手机的普及，这项技术具有巨大的潜力，可以在全球范围内产生深远的影响。为了促进该领域的进步，创建大型、高质量的公共数据集至关重要。Vital Videos数据集由Toye Pieter-Jan于Vital Videos项目中创建，收集了近900名参与者的数据。每位参与者录制了两个30秒的无压缩视频，并同步记录了PPG波形和一次血压测量。此外，还记录了参与者的性别、年龄和肤色。数据收集地点多样，以确保背景和照明的广泛多样性。Vital Videos数据集的创建对远程生命体征测量研究产生了重要影响，提供了一个包含PPG波形和血压测量的代表性样本，为研究人员提供了宝贵的资源。
当前挑战
Vital Videos数据集面临的挑战包括：1)所解决的领域问题的挑战：尽管智能手机摄像头在远程生命体征测量方面具有潜力，但实现高精度测量仍然是一个挑战。数据集的构建旨在解决现有数据集的局限性，如参与者多样性不足、缺乏血压数据等。然而，数据集的规模和多样性仍然需要进一步提高，以更好地代表整个人口。2)构建过程中所遇到的挑战：在数据收集过程中，研究人员面临了多种挑战。例如，使用固定摄像头而非智能手机进行录制可能导致实际应用中的差异。此外，数据集的构建过程需要大量的时间和资源，尤其是在数据收集和同步方面。为了提高数据集的质量和实用性，未来的数据集可以考虑使用智能手机进行录制，增加更多的生命体征数据，并使用更精确的肤色测量方法。同时，还需要探索更有效的数据收集和同步方法，以提高数据集的规模和多样性。
常用场景
经典使用场景
Vital Videos数据集为远程生命体征测量研究提供了丰富的资源，特别是在利用智能手机相机进行无创生命体征监测方面。其经典使用场景包括开发基于视频的生命体征识别算法，例如心率、血压和血氧饱和度的估算。研究者可以利用该数据集来训练和验证他们的算法模型，以提高其在不同人群、背景和光照条件下的准确性和鲁棒性。
解决学术问题
Vital Videos数据集解决了远程生命体征测量研究中存在的多个关键问题。首先，它提供了大量且多样化的参与者数据，包括不同性别、年龄和皮肤颜色的人群，从而减少了参与者的偏差并提高了模型的泛化能力。其次，该数据集包含了同步的PPG波形和血压测量值，使得研究者可以更准确地评估算法的性能。此外，Vital Videos数据集的开放性质降低了研究门槛，促进了学术交流与合作。
实际应用
Vital Videos数据集在实际应用场景中具有广泛的应用前景。例如，在医疗健康领域，该数据集可以帮助开发无创的生命体征监测设备，使患者能够在家庭环境中方便地进行自我监测。在远程医疗场景中，基于Vital Videos数据集开发的算法可以用于远程诊断和监测，提高医疗服务的可及性和效率。此外，该数据集还可以用于开发智能可穿戴设备，例如智能手表和健康监测手环，以提供更准确和实时的生命体征监测。
数据集最近研究
最新研究方向
Vital Videos数据集的创建旨在促进远程生命体征测量的研究与发展，尤其是在智能手机摄像头应用方面。该数据集的独特之处在于其包括了同步的PPG波形和血压测量，以及不同性别、年龄和肤色的人群，这为研究远程生命体征监测提供了更为全面和多样化的数据支持。目前，该领域的前沿研究方向主要集中在利用智能手机摄像头进行无接触的生命体征监测，如心率、血压、血氧饱和度等。此外，结合人工智能技术，通过对面部视频的分析来提取生命体征信息，也成为了研究热点。这些研究的进展不仅有助于提高远程生命体征监测的准确性和实用性，而且在公共卫生和医疗领域具有重要意义，尤其是在疫情等特殊时期，能够为远程医疗和健康监测提供有力支持。
相关研究论文
- 1Vital Videos: A dataset of face videos with PPG and blood pressure ground truthsVital Videos项目 · 2023年
以上内容由AI搜集并总结生成
数据主题
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
万博荟电商业务用户行为日志数据
该数据集合为万博荟电商平台运营过程中用户行为日志等相关操作信息数据，主要包括访问时间、时区、客户端ip地址、请求时间、连接序列号、请求状态、用户浏览器其他信息、来源页面、用户ID、当前页面地址、页面标题、商品ID、来源网站、入口页面、事件类别。该数据用于运营部门对用户的需求分析，支撑业务用户流量域数据分析，商品推荐算法用户喜好捕捉，应用板块点击情况分析等。
广东省数据知识产权存证登记平台 收录
鸭绿江流域与水系 – 世界地理数据大百科辞条
鸭绿江流域是指鸭绿江干流和支流汇水区，地理位置为39°43′57″N-42°17′28″N，123°35′59″E-128°45′50″E。与其接壤的流域分别是辽河流域（东）、松花江流域（北）、图们江流域（北）、大同江流域（西南）等。鸭绿江流域界线在中国境内从长白山天池火山口的南壁起始，向西南经长白山脉、转向西南至千山山脉的北部，再折向南入海；在朝鲜境内，鸭绿江流域从长白山天池南坡启始向东南经过摩天岭山脉，在头流山（2309 m）转向西南方向的赴战岭山脉，在英雄里附近转向西，经狼林山（2184 m）、广城、松源，转向西南方向的狄逾岭山脉，接江南山脉的南部后至鸭绿江河口。鸭绿江流域面积65215.49 km²，其中，中国境内面积32799.22 km²，朝鲜境内面积32416.27 km²。鸭绿江是中（国）朝（鲜）界河，它起源于长白山天池火山口的南壁，向南经惠山（朝）、折向西经临江（中）、再转向西南直向丹东（中）、新义州（朝），最后在东港（中）和多狮里（朝）附近注入黄海的西朝鲜湾。鸭绿江干流长844.98 km，有几条比较大的支流汇入，包括在朝鲜境内的虛川江、長津江、厚州川、慈城江、禿魯江、忠满江和三桥川；在中国境内的浑江、蒲石河、瑗河等。鸭绿江干流沿中朝国界线自东北向西南流经吉林省的长白朝鲜族自治县、临江市、集安市；辽宁省的桓仁满族自治县、宽甸满族自治县、丹东市和东港市；朝鲜的两江道、慈江道和平安北道。鸭绿江流域地处暖温带湿润季风气候区。年降水量800-1200 mm。流域内多山，最高海拔2745 m，河道比降比较大，达到0.0032，其中在中段可达到0.01。丰富的降水补给和较大的河床比降，使得鸭绿江流域成为亚洲单位面积水资源和水利资源最丰富的流域之一。近80年来，流域内先后建造了水丰水库（中、朝）、渭源水库（中、朝）、铁甲水库（中）、太平哨水库（中）、桓仁水库（中）、回龙山水库（中）、满丰湖水库（朝）、版平里水库（朝）、时中湖水库（朝）、狼林湖水库（朝）、长津湖水库（朝）、赴战湖水库（朝）、丰西湖水库等（朝）。数据文件包括鸭绿江干流、鸭绿江水系和鸭绿江流域地理信息系统数据文件组成。数据集以.kmz 和.shp格式存储，数据量43.8 MB（压缩为20.1 MB）。
国家对地观测科学数据中心 收录
MedDialog
MedDialog数据集（中文）包含了医生和患者之间的对话（中文）。它有110万个对话和400万个话语。数据还在不断增长，会有更多的对话加入。原始对话来自好大夫网。
github 收录
AIS数据集
该研究使用了多个公开的AIS数据集，这些数据集经过过滤、清理和统计分析。数据集涵盖了多种类型的船舶，并提供了关于船舶位置、速度和航向的关键信息。数据集包括来自19,185艘船舶的AIS消息，总计约6.4亿条记录。
github 收录
WideIRSTD Dataset
WideIRSTD数据集包含七个公开数据集：SIRST-V2、IRSTD-1K、IRDST、NUDT-SIRST、NUDT-SIRST-Sea、NUDT-MIRSDT、Anti-UAV，以及由国防科技大学团队开发的数据集，包括模拟陆基和太空基数据，以及真实手动标注的太空基数据。数据集包含具有各种目标形状（如点目标、斑点目标、扩展目标）、波长（如近红外、短波红外和热红外）、图像分辨率（如256、512、1024、3200等）的图像，以及不同的成像系统（如陆基、空基和太空基成像系统）。
github 收录