摘要：该数据集是一个面向下肢肌肉活动分析、膝关节异常识别与步态评估研究构建的肌电信号数据集，来源于 UCI Machine Learning Repository。
数据集概述
该数据集是一个面向下肢肌肉活动分析、膝关节异常识别与步态评估研究构建的肌电信号数据集，来源于 UCI Machine Learning Repository。数据集共包含 22 名受试者，其中 11 名正常受试者（Normal，N） 和 11 名存在膝关节病理情况的受试者（Abnormal，A）。每名受试者分别在**坐姿、站姿和步行（Gait）**三种状态下采集肌电信号，可用于分析不同运动状态以及正常与异常膝关节人群之间的肌肉激活差异。
数据结构与关键特征
数据按照 Normal 和 Abnormal 两类进行组织，每名受试者包含 sitting、standing 和 gait 三种采集状态，因此整体可形成约 66 组状态记录。数据以 CSV 文件保存，主要记录下肢相关肌肉的肌电活动，包括股直肌（Rectus Femoris）、股二头肌（Biceps Femoris）、股内侧肌（Vastus Medialis）、半腱肌（Semitendinosus）等，同时包含步态过程中与膝关节屈曲运动相关的信息。文件命名中 N 表示正常组，A 表示异常组，便于进行监督分类与组间对比分析。
应用价值与研究方向
该数据集适用于肌电信号分类、膝关节病理检测、步态异常识别、肌肉激活模式分析及康复评估等研究方向。研究者可以对原始 EMG 信号进行滤波、去噪、分段，并提取 RMS、MAV、波形长度、过零率、频谱能量等时域与频域特征，再结合 SVM、随机森林、CNN、LSTM 或 Transformer 等模型，实现正常与异常状态识别。此外，该数据集还可用于研究不同姿势下的肌肉协同模式，为智能康复、运动医学、生物力学分析和辅助诊断系统提供数据支持。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-815
文件大小：9M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)