常用的呼吸数据集有哪些
时间: 2023-10-02 10:07:43 浏览: 77
常用的呼吸数据集包括但不限于以下几个:
1. CHEST(The MIMIC-Chest Clinical Database):这是一个来自麻省理工学院的数据集,包括来自医院ICU的近4000个患者的数据,其中包括了呼吸数据、心电图、生理监测等。
2. CAP(Cyclic Alternating Pattern):这是一个来自意大利Parma大学的数据集,包括了来自健康人和睡眠呼吸障碍患者的多项生理数据,其中包括了呼吸数据。
3. EDF(European Data Format):这是一个包括了多个数据集的标准格式,其中包括了许多呼吸数据集,如MIT-BIH呼吸数据集、PTB呼吸数据集等。
4. UCI Machine Learning Repository:这是一个汇集了许多机器学习领域的数据集的仓库,其中包括了一些与呼吸有关的数据集,如UCI Apnea EEG呼吸数据集等。
5. PhysioNet:这是一个致力于收集、整理和分享生理学和医学数据的组织,其中包括了许多与呼吸相关的数据集,如PhysioNet Challenge 2018呼吸周期检测数据集等。
相关问题
常用的呼吸数据集有哪些以及下载链接
常用的呼吸数据集及其下载链接如下:
1. CHEST(The MIMIC-Chest Clinical Database):
数据集链接:https://physionet.org/content/mimic-cxr-jpg/2.0.0/
相关论文:https://arxiv.org/abs/1901.07042
2. CAP(Cyclic Alternating Pattern):
数据集链接:http://www.tcts.fpms.ac.be/~devuyst/Databases/CAP.html
相关论文:https://www.sciencedirect.com/science/article/abs/pii/S1388245704002013
3. EDF(European Data Format):
数据集链接:https://physionet.org/physiobank/database/
相关论文:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4792909/
4. UCI Machine Learning Repository:
数据集链接:https://archive.ics.uci.edu/ml/index.php
相关论文:https://www.sciencedirect.com/science/article/pii/S1388245703000236
5. PhysioNet:
数据集链接:https://physionet.org/
相关论文:https://www.researchgate.net/publication/330239311_The_PhysioNet_Combined_Database_of_Cardiovascular_Signals
常用的图像数据集有哪些
常用的图像数据集包括但不限于以下几种:
1. MNIST:手写数字图像数据集,包含 60,000 张训练图像和 10,000 张测试图像。
2. CIFAR:包括 CIFAR-10 和 CIFAR-100 两个数据集,分别包含 10 个和 100 个类别的彩色图像数据。
3. ImageNet:大规模视觉识别挑战赛(ILSVRC)使用的数据集,包含超过 1 百万张带标注的高分辨率图像。
4. COCO:包含对象检测、分割、关键点检测等多种任务的数据集,包含超过 330,000 张带标注的图像。
5. PASCAL VOC:包含对象检测、分割、关键点检测等多种任务的数据集,分为 2005、2006、2007、2010、2011、2012 六个年份。
6. SUN:场景分类和场景属性预测数据集,包含数万张带标注的室内和室外场景图像。
7. FERET:人脸识别数据集,包含超过 1 万张人脸图像。
8. LFW:人脸识别数据集,包含超过 13,000 张人脸图像。
9. CelebA:包含超过 200,000 张名人人脸图像,用于人脸属性分析和人脸识别等任务。
10. Open Images:包含超过 9 百万张带标注的图像,涵盖了多种对象分类、检测、分割等任务。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)