Physiological Features and Inertial Features Based Dataset: PIFv3

Description of PIF v3 dataset General Information: This dataset is acquired using wearable sensors such as ECG Sensor, GSR Sensor, IMU Sensor, ProtoCentral Pulse Express with MAX30102 and max32664, and EMG Sensor from 32 participants with different age, sex, height and weights. Dataset File Structure: The dataset is organised so that each subject has a folder. The folders are labelled according to participant identification number (PIDX). Each subject folder contains the following two csv files: PID_X.csv and PID_X_BPM.csv contains the information about the participant electrocardiogram, electromyography, GSR, IMU and Pulse sensor and Label performing 18 activities and Falls. Features that are extracted in Dataset are: Datetime, Sys, Dia, HR, Spo2, GSRRaw, Resistance, GSR (kohm), SCL, GSRRMS, GSRMAV, AccX, AccY, AccZ, GyroX, GyroY, GyroZ, Aroll, Apitch, Groll, Gpitch, Gyaw, Combroll, Combpitch, ECGRaw, AvgECG, ampECG, MAX, EMGRaw, EMGRMS, EMGMAV, EMGVAR, EMGSSI, IEMG and Activities. This dataset also contains a file Participants.xlsx in which the information related to participants Age, Height, Weight, PID number, Gender, Medical History, State, etc are given. Elderly as well as young people performed all the 18 Activities. Activities: Standing, Left Fall while Standing, Right Fall while Standing, Forward Fall while Standing, Sitting, Left Fall while Sitting, Right Fall while Sitting, Forward Fall while Sitting, Walking, Relaxing, Anxiety, Sad, Motivational, Funny, Pressing Stress Ball, Hand at Rest and Fist. Videos link that are used to display the participants during data collection to acquire the different emotional values. Emotions Links Relaxing https://www.youtube.com/watch?v=0LJtn6yERns&list=PL585q5uwv3PEN4gc1OV9-Z3twsfBBLSbX&index=6&pp=gAQBiAQB Anxiety https://www.youtube.com/watch?v=we2YF1J6jxg Sad https://www.youtube.com/watch?v=PdSGSw3wI4Q Motivational https://www.youtube.com/watch?v=mFMapVqIbuE Funny https://www.youtube.com/watch?v=jbHaP79UMpE Related Article: Dhaliwal MK, Sharma R, Bindra N. Analyzing Wearable Data for Diagnosing COVID-19 Using Machine Learning Model. Lect. Notes Electr. Eng., vol. 946, Springer, Singapore; 2023, p. 285–99. https://doi.org/10.1007/978-981-19-5868-7_22.PIF v3数据集说明 基本信息： 本数据集通过穿戴式传感器采集获得，所用传感器包括心电（ECG）传感器、皮肤电反应（GSR）传感器、惯性测量单元（IMU）传感器、搭载MAX30102与MAX32664的ProtoCentral Pulse Express设备，以及肌电（EMG）传感器，采集对象为32名年龄、性别、身高、体重各不相同的受试者。 数据集文件结构： 本数据集采用按受试者分类的组织方式，每名受试者对应一个文件夹，文件夹以受试者识别编号（PIDX）命名。每个受试者文件夹包含两个CSV文件：PID_X.csv与PID_X_BPM.csv，其中记录了受试者的心电、肌电、皮肤电反应、惯性测量单元、脉搏传感器数据，以及受试者执行18项活动与跌倒动作时的动作标签。 数据集中提取的特征包括： 日期时间、收缩压（Sys）、舒张压（Dia）、心率（HR）、血氧饱和度（SpO2）、GSR原始数据、电阻值、皮肤电反应（千欧）、皮肤电导水平（SCL）、皮肤电反应均方根值（GSRRMS）、皮肤电反应平均绝对值（GSRMAV）、X轴加速度（AccX）、Y轴加速度（AccY）、Z轴加速度（AccZ）、X轴角速度（GyroX）、Y轴角速度（GyroY）、Z轴角速度（GyroZ）、加速度计滚转角（Aroll）、加速度计俯仰角（Apitch）、陀螺仪滚转角（Groll）、陀螺仪俯仰角（Gpitch）、陀螺仪偏航角（Gyaw）、融合滚转角（Combroll）、融合俯仰角（Combpitch）、心电原始数据（ECGRaw）、平均心电值（AvgECG）、心电幅值（ampECG）、峰值（MAX）、肌电原始数据（EMGRaw）、肌电均方根值（EMGRMS）、肌电平均绝对值（EMGMAV）、肌电方差（EMGVAR）、肌电单积分面积（EMGSSI）、积分肌电值（IEMG），以及活动类别。 本数据集还包含Participants.xlsx文件，其中记录了受试者的年龄、身高、体重、受试者编号、性别、病史、身体状态等相关信息。青年与老年受试者均完成了全部18项活动。 活动类别包括： 站立、站立状态下左侧跌倒、站立状态下右侧跌倒、站立状态下前向跌倒、坐姿、坐姿状态下左侧跌倒、坐姿状态下右侧跌倒、坐姿状态下前向跌倒、行走、放松、焦虑、悲伤、励志情境、搞笑情境、按压减压球、手部静置与握拳。 数据采集过程中用于向受试者播放以唤起不同情绪的视频链接如下： 情绪类型 视频链接 放松 https://www.youtube.com/watch?v=0LJtn6yERns&list=PL585q5uwv3PEN4gc1OV9-Z3twsfBBLSbX&index=6&pp=gAQBiAQB 焦虑 https://www.youtube.com/watch?v=we2F1J6jxg 悲伤 https://www.youtube.com/watch?v=PdSGSw3wI4Q 励志 https://www.youtube.com/watch?v=mFMapVqIbuE 搞笑 https://www.youtube.com/watch?v=jbHaP79UMpE 相关学术论文： Dhaliwal MK, Sharma R, Bindra N. 基于机器学习模型分析穿戴式数据以诊断COVID-19. 《电气工程讲义丛书》（Lect. Notes Electr. Eng.）第946卷，新加坡Springer出版社，2023年，第285-299页。https://doi.org/10.1007/978-981-19-5868-7_22.