Norwegian Endurance Athlete ECG Database — 挪威精英耐力运动员 12 导联静息心电双解读数据集

INFOBOX — Norwegian Endurance Athlete ECG Database 一屏速览

维度	内容
本质	首个公开的运动员心电图数据集（作者 impact statement 原文）——非普通临床 ECG 库
全名	Norwegian Endurance Athlete ECG Database（挪威耐力运动员心电数据库）
机构	University of Oslo（奥斯陆大学，挪威）——2020 年 2-3 月采集
作者	Bjørn-Jostein Singstad（单作者）
数据	28 名精英耐力运动员 × 28 条 12 导联静息 ECG；一运动员一条
规格	12 导联 / 10 秒 / 500 Hz / 5000 采样；GE MAC VUE 360 采集
人群	男 19（68%）+ 女 9（32%）；年龄 20-43 岁（均值 25，SD 4.7）；赛艇 24 / 皮划艇 2 / 自行车 2
双解读	GE Marquette SL12 算法（version 23，v243）+ 心脏病专家（International Criteria 2018）
格式	WFDB（.dat 波形 + .hea 表头，含 #SL12 与 #C 诊断行）
许可	CC BY 4.0，PhysioNet Open Access，无凭证/无 DUA
DOI	数据本体 10.13026/qpjf-gk87；论文 10.1109/OJEMB.2022.3214719
发布	March 23, 2022（v1.0.0，单版本无后继）
定位	运动性心脏重构 vs 病理性改变的鉴别数据基础；库内「运动员/生理适应」细分填补

§0 导读：这个数据集解决什么问题

Norwegian Endurance Athlete ECG Database（挪威耐力运动员心电数据库）是整个 AI-Ready 心电数据谱系里一个体量很小、但定位很独特的存在。它只有 28 名运动员、28 条心电图，放在动辄数万条记录的临床心电数据集（如 PTB-XL 的 21,799 条、MIMIC-IV-ECG 的数十万条）旁边几乎可以忽略不计。但它回答的是一个这些大库都回答不了的问题：当一颗心脏因为长期大量训练而被「重塑」成一副在心电图上看起来「异常」的样子时，我们如何把它和真正的心脏病区分开？

这个问题不是学术洁癖，而是运动医学里一条真实的生死线。耐力运动员的心脏为了适应长期高负荷，会发生左室壁增厚、左右心室腔扩大等生理性重构。这些改变出现在心电图上，常常表现为让医生皱眉的「异常」波形——但它们是健康的。麻烦在于，一部分病理性重构也会产生类似波形，而病理性重构与**心源性猝死（Sudden Cardiac Death, SCD）**相关。研究显示，同龄人中运动员的 SCD 发生率高于非运动员。现有的 SCD 风险筛查手段准确率和精确率都不高，运动员 ECG 解读是一个急需更多关注、更多数据的领域。

数据集的创作者 Bjørn-Jostein Singstad 在 2020 年 2-3 月于奥斯陆大学招募了 28 名健康精英耐力运动员，用 GE MAC VUE 360 心电图机采集了标准的 10 秒 12 导联静息 ECG，然后用两条独立的解读路径给每一份心电图打上诊断：一条是设备内置的 GE Marquette SL12 算法，另一条是一位受过运动员 ECG 专项训练的心脏病专家，按 2018 年发布的运动员心电解读国际标准（International Criteria）逐份判读。

这个双解读设计，让数据集同时具备两层价值：它既是首个公开的运动员 ECG 波形库，也是一份现成的「算法 vs 专家」对照样本——对任何一个想训练运动员 ECG 自动解读模型的团队来说，这 28 条数据提供了一个可以立刻上手的最小验证场。

本条目按以下顺序展开：先给出速览与规格硬数字（§1-§2），再解释双解读机制与国际标准（§3），然后进入数据集的临床与算法语境、与其他心电库的对照（§4-§5），最后是获取许可、避坑清单与使用指南（§6-§10）。

§1 数据集速览：十问十答

1. 它是什么？ PhysioNet 上的「Norwegian Endurance Athlete ECG Database」，首个公开的运动员心电图数据集，28 名挪威精英耐力运动员的 28 条 12 导联静息 ECG。
2. 谁做的？ Bjørn-Jostein Singstad（Oslo 大学），单作者数据集，2022-03-23 发布 v1.0.0。
3. 数据规模多大？ 28 名运动员 × 28 条 ECG；一运动员一条，无重复记录。
4. 信号规格？ 12 导联、10 秒、500 Hz 采样、每导联 5000 采样点。
5. 什么设备？ General Electric (GE) MAC VUE 360 心电图机，标准静息仰卧位采集。
6. 有哪些标注？ 每份 ECG 附两条诊断：GE Marquette SL12（version 23, v243）算法自动解读，和一名运动员 ECG 专项心脏病专家按 2018 International Criteria 的人工解读。
7. 什么格式？ WFDB——.dat 二进制波形 + .hea 元数据表头，Python wfdb 包可直接读。
8. 怎么获取？ PhysioNet Open Access 直链下载，CC BY 4.0，无需凭证、无需 DUA。
9. DOI 是什么？ 数据本体 10.13026/qpjf-gk87；配套论文 10.1109/OJEMB.2022.3214719。
10. 适合干什么？ 运动员 ECG 自动解读的试点基准、算法-专家对照研究、运动心脏生理学参考；不适合当作大规模模型的主训练集（样本量太小）。

§2 数据构成与规格

2.1 规模、来源与机构构成

数据集的核心硬数字可以用一张表说清楚：

维度	数值
运动员数	28 名（健康精英耐力运动员）
ECG 记录数	28 条（一运动员一条）
性别	男 19（68%）/ 女 9（32%）
年龄	20-43 岁，均值 25，标准差 4.7
运动项目	赛艇 24（86%）/ 皮划艇 2（7%）/ 自行车 2（7%）
采集地	University of Oslo（奥斯陆大学）
采集时间	2020 年 2-3 月
设备	GE MAC VUE 360 心电图机

训练量数据（自报）也是数据集的一部分：

年份	年均训练小时数	标准差
2017	822	117
2018	820	113
2019	798	171

三年平均训练量稳定在 800 小时/年左右，是这批运动员「精英耐力」属性的量化佐证——普通人群远达不到这个量级。

2.2 波形规格与文件结构

每一例数据是一对文件：

• ath_XXX.dat——二进制波形文件，存放 12 导联信号；
• ath_XXX.hea——表头文件，存放全部元数据。

编号从 ath_001 一直到 ath_028。表头文件的内容结构（论文配图有示意）为：

• 第一行：记录编号（ath_001）、导联数（12）、采样率（500 Hz）、每导联采样数（5000）；
• 接下来 12 行：每导联一行，含波形文件名（ath_001.dat）、数据位宽（16 bit）、幅度分辨率（mV）、模数转换分辨率（16）、基线值（0）、信号首值、校验和、导联名；
• 最后若干行：#SL12 行给出 GE Marquette SL12 算法诊断，#C 行给出心脏病专家诊断。

这套结构完全兼容 Python 的 WFDB（WaveForm DataBase）包，导入几乎零成本。

2.3 采样与存储的技术含义

500 Hz 采样率、5000 采样点、10 秒时长三者是自洽的（500 × 10 = 5000）。500 Hz 是临床 12 导联诊断级心电的常用采样率，足以保留 QRS、ST-T 等诊断关键频段的信息。16 bit 位宽配以 mV 级幅度分辨率，满足诊断精度要求。对信号处理与 AI 建模而言，这意味着数据可以直接进入标准的心电深度学习流水线（卷积/Transformer 分类、导联级特征提取等），无需重采样补齐。

2.4 人群与项目偏斜

数据集的代表性有一个明显的短板：项目分布高度集中于赛艇（24/28，86%）。皮划艇和自行车各只有 2 人。这意味着如果用这个数据集评估模型，其结论对赛艇运动员的泛化最好，对其他耐力项目（长跑、游泳、铁人三项等）的适用性未被覆盖。性别上男（19）约为女（9）的两倍，年龄集中于青年（均值 25 岁），青少年与中老年运动员均缺失。这些偏斜在 §8 避坑清单与 §9 使用建议中会反复强调。

2.5 与「临床 ECG 大库」的关系边界

理解这个数据集的关键，是把它和临床 ECG 大库（PTB-XL、MIMIC-IV-ECG、CODE-15 等）区分开：

对比维度	Norwegian Athlete ECG	典型临床 ECG 大库
人群	精英耐力运动员（健康）	普通临床就诊人群
规模	28 条	万级到百万级
核心问题	生理性 vs 病理性重构鉴别	疾病诊断/心律失常分类
标注	算法 + 专家双解读	多为报告标签/多标签
独特价值	运动性心脏的「正常异常」样本	疾病谱覆盖与统计功效

它不替代大库，而是补大库之缺——大库里几乎没有「健康的、但心电图上看起来异常」的运动员样本。

2.6 版本与稳定性

数据集自 2022-03-23 发布 v1.0.0 以来无后继版本。这对复现实验反而是优点：不存在版本漂移导致结果不可比的问题，引用与再分发都可锚定唯一版本。

2.7 逐例记录结构详解

要真正会用这个数据集，必须理解它「一例 = 一对文件」的组织方式。以 ath_001 为例：

文件	类型	内容
ath_001.dat	二进制	12 导联 × 5000 采样的原始波形（16 bit）
ath_001.hea	文本	元数据表头：通道定义、采样参数、增益、以及诊断注释行

.hea 文件是纯文本，可以直接用编辑器打开阅读。它的第一行描述记录本身，随后 12 行各描述一个导联，最后是诊断注释行。这种「信号与元数据分离、以记录名关联」的设计，是 WFDB 格式的标准范式，也是 PhysioNet 上绝大多数波形数据集（包括 MIT-BIH、PTB-XL 等）的通用组织方式。

2.8 WFDB 生态的兼容红利

使用 WFDB 格式给这个数据集带来一个隐性优势：它可以无缝接入成熟的心电处理生态。Python 的 wfdb 包、MATLAB 的 WFDB 工具箱、以及各类基于 WFDB 构建的心电深度学习流水线，都能直接读取它。研究者不必为这个数据集单独写解析代码——这在大规模心电建模项目里能省下可观的工程量。

2.9 采集流程的规范性

从页面 Methods 描述看，采集流程遵循了规范的操作序列：

1. 受试者安静仰卧于检查床；
2. 贴附电极，进行标准 12 导联电极连接；
3. 采集标准 10 秒静息 ECG；
4. 设备内置算法即时给出自动解读；
5. 记录完成后，由心脏病专家逐份复核判读。

「静息」「仰卧」「标准 10 秒」这些条件保证了数据与其他静息 12 导联数据集的采集条件可比——这也是它能与 PTB-XL 等库做定性对照的前提。

2.10 伦理与知情同意的完整链条

数据集在伦理上有一个值得称道的完整链条：

• NSD（Norwegian Centre for Research Data，现 Sikt）批件 389013——数据保护合规；
• REK（Regional Committees for Medical and Health Research Ethics）批件 51205——医学研究伦理合规；
• University of Oslo 批准——机构层面；
• 参与者书面知情同意，且明确同意在项目结束后 ECG 公开共享。

最后一条尤其关键：正因为参与者在知情同意时已授权公开共享，这个数据集才能以 CC BY 4.0 完全开放的形式发布。这是「伦理合规 → 数据开放」链条顺畅的一个正面样本。

§3 双解读机制：算法与专家如何各自判读

3.1 两条独立的诊断路径

数据集最大的方法学特色，是每份 ECG 都带有两套彼此独立的诊断：

1. 算法路径——GE Marquette SL12（页面同时写作 Marquette 12SL），version 23（具体版本号 v243）。这是 GE 心电图机内置的商用自动解读算法，在数据采集时对全部 28 份 ECG 逐条给出自动诊断，写入 .hea 文件的 #SL12 行。
2. 专家路径——一名受过运动员 ECG 解读专项训练的心脏病专家。在全部记录采集完成后，该专家逐份手工判读，判读依据是 International Criteria for ECG interpretation of athletes（2018），结果写入 .hea 文件的 #C 行。

这两条路径的差异本身就有研究价值：商用算法是为普通临床人群训练的，而运动员心脏的「正常异常」波形，恰恰是普通算法容易误判的地方——算法很可能把生理性重构判成病理。数据集把两套结论并列存放，等于给研究者递上了一份现成的「算法偏差样本」。

3.2 为什么需要「运动员专项标准」

普通人群的心电解读标准和运动员的不一样。运动员心脏因长期训练产生的重构（左室壁增厚、心腔扩大），在心电图上会表现为窦性心动过缓、一度房室传导阻滞、早期复极、电压增高等——这些在普通人群里可能是异常，在运动员身上却是训练适应。2018 年发布的 International Criteria 正是为了给运动员心电解读一套统一判据，减少「把正常运动员误判为心脏病」。

本数据集采用这套标准作为专家判读依据，意味着它的专家标注口径与运动心脏病学的当代共识对齐，而非沿用普通临床标准。

3.3 双解读的能力边界

必须清醒地看到：算法与专家都不是绝对金标准。

• 商用算法在运动员人群上的准确率未经充分验证，其误判恰恰是本数据集想暴露的问题之一；
• 单一专家即使受过专项训练，也存在观察者内/观察者间变异，一位专家的判读不等于「真理」。

因此，把 #SL12 或 #C 任一方当作 ground truth 都需要谨慎。数据集更适合被看作「两位判读者的两份意见」——可用于一致性分析、分歧案例挖掘、算法鲁棒性检验，而不宜直接当作训练标签的真值。

3.4 解读与元数据的对应

数据集内每条记录关联的元数据与其 ECG 是绑定的：ath_XXX 编号对应特定运动员的性别、年龄、项目、训练量（在数据发布文档或论文中给出群体统计，逐人对应关系需查阅发布方资料）。这意味着研究者可以在做 ECG 分类的同时，把性别、项目等协变量纳入分析——例如考察模型在不同性别上的表现差异。

§4 临床与算法语境：为什么这 28 条值钱

4.1 心源性猝死：运动医学的痛点

年轻运动员在赛场上猝死的新闻总能引发公众关注，而这类事件多数与未被识别的心血管疾病有关。运动员 SCD 的发生率虽低，但因人群基数大、后果极其严重，筛查的性价比一直是运动医学争论的焦点。

问题的核心是筛查手段的准确率与精确率都不理想。心电图是筛查工具之一，但它在运动员身上的「假阳性」特别高——因为训练导致的良性改变太多。一次误判可能让一名健康运动员被剥夺参赛资格，也可能让真正有风险的运动员被漏掉。要改进筛查，就需要大量标注可靠的运动员 ECG，最好带上「什么是生理性改变」的参照——这正是本数据集提供的。

4.2 生理性重构 vs 病理性重构的心电表现

作者在背景部分清晰地描述了这条鉴别难题：运动员心脏的重构（左室壁增厚、左右心室腔扩大）可以在超声心动图上看到，同时也会产生心电上的表现。这些改变「即使被认为是健康的，也可能与和心源性猝死相关的病理性改变混淆」。换句话说，生理与病理这两类改变在 ECG 上的重叠，是鉴别难点的物理根源。

4.3 AI 解读的介入与数据饥渴

近年来 AI 用于 ECG 解读的进展很快，但几乎所有公开 ECG 数据集都来自普通临床人群。用这些数据训练的模型，遇到运动员时大概率会把良性重构判成异常。本数据集的 impact statement 直言：这是「首个公开的、从运动员身上记录的心电图数据集」，在 AI 心电解读快速发展的背景下具有独特价值。数据集规模虽小，但它点的是一盏「这里缺数据」的信号灯。

4.4 作为「最小验证场」的实用价值

对实际建模团队而言，28 条数据不足以训练大模型，但足够做几件有价值的事：

• 检验一个在临床数据上训练的模型，在运动员样本上的输出是否有系统性偏移（误判方向）；
• 作为算法-专家一致性分析的样本起点；
• 作为运动心脏方向的预实验/概念验证数据，为申请更大规模数据或采集新数据提供依据。

4.5 运动性心脏重构的心电学细节

耐力运动员的心脏重构在心电图上有若干典型表现，理解它们有助于读懂这个数据集里的「正常异常」：

• 窦性心动过缓——静息心率偏低，是迷走神经张力增高的适应结果；
• 一度房室传导阻滞——PR 间期延长，属良性；
• 早期复极——J 点抬高、ST 段上斜抬高，在运动员中常见；
• 电压增高——左室壁增厚导致 QRS 电压偏高，可能满足左室肥大的电压标准；
• 不完全性右束支传导阻滞——右室腔扩大相关。

这些表现的吊诡之处在于：它们中的每一项，在普通人群里都可能被标为「异常」，甚至指向严重疾病。2018 年 International Criteria 的意义，就是把这些「运动员特有的正常」从病理判据中区分出来，给解读一个统一的、针对运动员的口径。

4.6 与猝死筛查临床路径的关系

在真实的运动医学实践里，运动员筛查通常包括病史、体格检查、静息 12 导联合并（部分方案含超声心动图）。心电图筛查的价值与争议并存：它能发现部分高危个体，但假阳性率高，会造成不必要的二次检查与心理负担。

提升筛查质量的一条路径，是让 ECG 解读更「懂运动员」——这既需要专家判读标准的统一，也需要算法能学会区分生理与病理。本数据集恰好同时提供了「专家结论」与「算法结论」两份样本，让研究者能直接观察算法在运动员样本上的行为。这种「双份意见」的稀缺性，是它在大库林立的今天仍然值得收录的理由。

§5 与库内其他心电数据集的对照

千方病案医数集库内已有丰富的心电条目，本数据集在其中占据一个独特的「窄而特殊」位置。下表给出对照：

库内条目	rid	与本文条目的关系
PTB-XL	70	大规模临床 12 导联 ECG（21,799 条）；最主流的通用对照，训练可用
MIMIC-IV-ECG	172	院内大规模 12 导联波形库；临床人群，规模远超本集
MIT-BIH Arrhythmia	69	心律失常标准心电库；经典基准，节律分析对照
MIT-BIH AFDB	115	房颤长时程心电；节律异常方向对照
Chapman-Shaoxing	143	12 导联心律失常 ECG；通用心律失常对照
CODE-15	152	巴西远程医疗 12 导联；人群多样性与规模对照
CODE-II	806	巴西 270 万份 12 导联 66 类标注；超大规模对照
OpenECG	802	九中心 120 万条 12 导联基础模型基准；基础模型评测对照
Leipzig Heart Center ECG	910	儿童/先心病 12 导联+心内电图逐搏标注；特殊人群对照
ECG-Image-Database	959	成对 ECG 图像与数字波形；图像化任务对照
Apnea-ECG	658	呼吸暂停长时程心电；生理状态方向对照
MIMIC-IV-Ext-ECG-Glucose	998/999	ECG 与血糖时间配对；多模态对照
PICS	879	早产儿 NICU 心电呼吸；特殊人群对照
CPSC	132	中国生理信号挑战赛心电系列；多来源对照
VitalDB	192	术中生命体征（含 ECG）；围术期方向对照
EEGMMIDB	342	运动想象脑电（「运动」字面歧义，非本体相关）

定位小结：库内其余 ECG 条目几乎全是普通临床或病理人群，本文条目是唯一聚焦健康精英运动员/生理性适应的数据集。它与 PTB-XL（rid 70）、MIMIC-IV-ECG（rid 172）形成「规模互补」，与 Leipzig Heart Center ECG（rid 910）、PICS（rid 879）形成「特殊人群光谱」的对照——它补的是运动心脏这块空白。

§5.5 深度专题：运动员 ECG 数据为何稀缺

5.5.1 数据获取的三重门槛

运动员 ECG 数据之所以稀缺，不是没人想要，而是收集它要同时跨过三道门槛：

1. 人群门槛——精英运动员是小众群体，能接触到成规模精英运动员的机构有限（国家队医务、体育大学、顶级俱乐部）。普通医院很难招募到「精英耐力运动员」这类受试者。
2. 伦理门槛——涉及健康受试者的生物信号采集，需要伦理批件与知情同意；要让数据能公开共享，还必须在知情同意里单独写明「同意公开共享」，这一步常被忽略，导致大量数据只能内部使用。
3. 动机门槛——采集成本高、样本量上不去，学术回报（发表）却未必高。研究者缺乏动力去看这个「小而难」的方向。

本数据集恰好跨过了这三道门槛：采集方在 Oslo 大学（有受试者资源），拿到了 NSD 与 REK 双批件（伦理），并在知情同意中取得公开共享授权（动机转化为成果）。

5.5.2 「健康但异常」样本的独特价值

在机器学习视角下，普通 ECG 数据集回答的是「这条心电图对应什么疾病」。而运动员 ECG 提出的是一类更刁钻的问题：这条心电图看起来异常，但它可能是正常的。

这类「健康但异常」样本在普通临床库里几乎不存在——因为临床库的采样逻辑是「有病才做检查」，健康人的心电图很少被系统采集。因此，任何想训练「能分辨生理性与病理性改变」的算法，都会面临正样本（病理）丰富、而「生理性异常」样本稀缺的困境。本数据集补的正是这一块。

5.5.3 小样本数据集的正确姿势

面对 28 条这样的小数据集，方法学上有几条成熟的做法：

• 作为测试集而不是训练集——在大数据上训练，在小数据上测试跨域泛化；
• 作为定性案例集——逐条分析算法输出，挖掘系统性偏差模式；
• 作为预注册研究的样本起点——用于支撑更大规模采集的申请；
• 作为少样本学习的试验场——测试 few-shot/迁移方法在极端小样本上的表现。

把 28 条当成「能训练出模型的数据量」是常见误用；把它当成「能验证假设的最小样本」才是它的正确打开方式。

§5.6 深度专题：双解读作为研究工具

5.6.1 一致性研究的三种设计

带双解读的数据集天然支持一致性研究。研究者可以设计三类分析：

1. 总体一致率——算法诊断与专家诊断在 28 条上完全一致的比例（反映整体吻合度）；
2. 分歧方向分析——在不一致的案例中，算法是倾向「误判为异常」还是「漏判」；结合运动员生理性改变的知识，可判断算法偏差的方向性；
3. 类别级分析——把诊断拆成具体条目（如心动过缓、传导阻滞等），看哪些条目上算法与专家分歧最大。

5.6.2 为什么「分歧」比「一致」更有信息量

在一份只有 28 条的样本里，一致率高可能是样本太「干净」（都是典型正常），也可能真是算法好。而分歧案例才是金矿——它们精确定位了算法在运动员人群上的失效边界。逐条阅读分歧案例、对照具体波形，往往能揭示算法判据与运动员生理特征之间的张力。

5.6.3 局限：双解读不等于双盲

需要提醒的是，数据集的双解读不构成严格的双盲独立标注。专家判读虽独立于算法（人工 vs 自动），但无法排除专家可能已受设备自动提示影响的可能（若专家判读时可见算法结果）。因此一致性结果的解释应保留谨慎。

§5.7 深度专题：与运动医学实践的连接

5.7.1 筛查场景中的心电图

在国际运动医学实践中，心电图是运动员赛前筛查（preparticipation screening）的组成部分之一。筛查的目标不是「找出所有异常」——那会制造大量假阳性——而是在可接受的特异度下抓住真正高危的少数。这就需要解读标准能准确刻画「运动员的正常范围」。

本数据集的专家判读采用 2018 International Criteria，正是服务这一目标。它提供的是「按筛查标准判读过的运动员 ECG」样本，而非泛泛的临床标签。

5.7.2 从数据到算法的落差

即便有了标准，把标准「翻译」成算法仍然困难。International Criteria 里的判据往往涉及波形形态、幅度阈值、导联组合等多个条件的联合，且部分是连续量的经验阈值。这类规则难以被简单编码，而需要从大量标注样本中学习。28 条远不够学，但够验证「现有算法是否已内化这些规则」。

5.7.3 数据不足的现实约束

运动医学界对「更大规模运动员 ECG 数据集」的需求是明确的。本数据集作为开拓者，其真正意义也许不在于自身规模，而在于证明了「这类数据可以合规地公开」，从而为后续更大规模的数据公开铺路。

§5.8 深度专题：可穿戴时代的应用前景

5.8.1 从诊所到腕上

可穿戴设备（智能手表、胸带）正在把 ECG 采集从诊所搬到日常。苹果、佳明等产品已支持单导联或双导联 ECG。对运动员而言，这意味着训练中的连续心脏监测成为可能。

但可穿戴设备的一个核心挑战是误报：设备算法在没有医生在场的情况下触发「疑似房颤」等告警，会制造焦虑。对运动员，误报尤其严重——他们的「正常异常」波形极易触发告警。要降低误报，算法必须学会运动员生理。

5.8.2 单导联 vs 12 导联的落差

本数据集是 12 导联诊断级数据，而可穿戴设备多为单片导联。将 12 导联上验证的方法迁移到单导联，本身是一个跨配置问题。研究者可以用本数据集的特定导联（如导联 I 或 II，它们常被可穿戴设备采用）做子集实验，初步评估单导联下的表现。

5.8.3 数据规模的鸿沟

可穿戴设备每天产生海量 ECG，但高质量的「运动员标注」仍稀缺。本数据集在这条鸿沟的一端（高质量、小规模、专家标注），与另一端（大规模、弱标注、消费级）形成对照，提示了一个值得关注的中间地带。

§5.9 深度专题：数据治理与开放科学的样本

5.9.1 一次合规开放的完整示范

本数据集是「合规开放」的一个正面案例：

环节	做法
数据保护	NSD/Sikt 批件 389013
医学伦理	REK 批件 51205
机构审批	University of Oslo
知情同意	书面同意 + 明确授权公开共享
发布平台	PhysioNet（专业生理信号仓库）
许可	CC BY 4.0（最开放档之一）

这条链从「怎么合法采」到「怎么放心发」每一步都完整，为其他想做类似开放数据的研究者提供了模板。

5.9.2 知情同意中的「公开共享」条款

值得特别强调的一条经验：在知情同意阶段就把「公开共享」写清楚。很多数据集之所以只能内部使用，正是因为当初的同意书没有覆盖「再分发/公开」。本数据集在同意书中取得公开共享授权，才使得 CC BY 4.0 的发布成为可能。这是数据开放链条里最容易被忽视、却最关键的一环。

5.9.3 对 AI-Ready 数据集的启示

对千方病案医数集所关注的「AI-Ready」标准而言，本数据集展示了一个要点：「AI-Ready」不等于「大」。一个规模很小但格式标准（WFDB）、许可清晰（CC BY 4.0）、标注可靠（专家双解读）、伦理完整的数据集，同样可以「就绪」——它就绪在「可以被直接拿来做特定验证」这一点上。规模是 AI-Ready 的一个维度，但绝非唯一维度。

§5.10 深度专题：小样本数据集的伦理与统计张力

5.10.1 样本量与统计功效

28 条样本下，任何统计推断的功效都很低。举例而言，若想检验「算法与专家一致率是否显著高于某个基线」，28 条提供的置信区间会很宽，难以得出稳健结论。研究者应把本数据集上的定量结果视为探索性而非确证性，避免过度解读。

5.10.2 隐私与公开的平衡

健康受试者的生理信号公开涉及隐私。本数据集的处理方式是：取得参与者的公开共享授权，发布去标识的波形数据（不含姓名、身份信息），由专业平台（PhysioNet）托管。这为「公开什么、如何公开」提供了一个可参照的边界——波形可公开，身份信息不公开。

5.10.3 精英群体的小样本悖论

精英运动员本身就是小群体，想凑大样本本身就难。这构成一个悖论：最有研究价值的人群（精英运动员），恰恰最难获得大样本。因此这类数据集的价值不能仅以规模衡量——它提供的是一种稀缺人群的代表性样本，规模小是人群属性使然，而非质量缺陷。

§5.11 深度专题：与运动科学的跨学科接口

5.11.1 运动生理学的视角

从运动生理学看，本数据集是「长期训练对心脏电活动影响」的一个观察窗口。结合训练量数据（年均约 800 小时），研究者可以探索「训练负荷—心脏重构—心电表现」的关系链，尽管 n=28 限制了统计力度。

5.11.2 运动心脏病学的视角

从运动心脏病学看，本数据集直接服务于「运动员 ECG 判读」这一临床议题。它提供了按当代标准判读过的样本，可作为教学案例（「这个波形为什么是正常的」）与研究起点。

5.11.3 计算心电学的视角

从计算心电学看，本数据集是一个「跨域测试靶」。它对模型提出的问题不是「能不能诊断疾病」，而是「会不会把健康运动员误判为病人」。这一问题的答案，直接决定了 AI 心电工具能否安全落地到运动人群。

5.11.4 三方交汇的价值

这三个学科的交叉点，正是本数据集的独特生态位：运动生理提供「为什么重构」，运动心脏病学提供「如何判读」，计算心电学提供「如何自动化」。数据集作为三方共享的实证材料，其意义超出了任何单一领域。

§6 获取与许可：一次无门槛的开放

6.1 许可条款

数据集采用 Creative Commons Attribution 4.0 International Public License（CC BY 4.0）。这是 CC 系列里限制最少的一档：

• 允许：自由使用、复制、再分发、改编，包括商业用途；
• 要求：署名（attribution）——使用需给出适当署名、提供许可链接、标明是否作了修改；
• 无：无「非商业」「相同方式共享」「禁止演绎」等附加限制。

访问级别为 PhysioNet 的 Open Access：无需任何凭证（credential）、无需签署数据使用协议（DUA），直接下载即可。

6.2 官方引用格式

使用本数据集必须引用（CC BY 4.0 的署名要求）：

Singstad, B. (2022). Norwegian Endurance Athlete ECG Database
(version 1.0.0). PhysioNet. RRID:SCR_007345.
https://doi.org/10.13026/qpjf-gk87

配套方法学论文引用：

Norwegian Endurance Athlete ECG Database.
IEEE Open Journal of Engineering in Medicine and Biology, 2022.
DOI: 10.1109/OJEMB.2022.3214719

6.3 获取路径

• PhysioNet 内容页：https://physionet.org/content/norwegian-athlete-ecg/
• 指定版本页：https://physionet.org/content/norwegian-athlete-ecg/1.0.0/
• 页面提供逐文件下载（.dat/.hea）与整包下载；数据量很小（波形约 3.4 MB），下载无压力。

6.4 版本链

单版本 v1.0.0（2022-03-23），无 v1.0.1、无 v2。引用与复现都可锚定唯一版本，无版本漂移风险。

§6.5 避坑清单：八个已踩过的坑

坑 1：样本量极小，误当主训练集。 28 条 ECG 远不足以训练一个可泛化的深度模型。把它当主训练集会导致严重过拟合。正确用法是作最小验证场、预实验或一致性分析样本。

坑 2：项目偏斜——赛艇占 86%。 24/28 是赛艇运动员，模型在此数据集上的表现不能外推到长跑、游泳、铁人三项等其他耐力项目，更不能外推到非耐力或团队项目运动员。

坑 3：把 #SL12 算法诊断当真值。 商用算法是为普通临床人群训练的，在运动员人群上正是「容易误判」的一方。把算法输出当 ground truth 训练，会把算法的系统性偏差学进模型。

坑 4：把 #C 专家诊断当唯一真值。 单一专家存在观察者内/间变异，一位专家的判读不等于绝对正确。数据集的两条诊断应被当作「两份意见」而非「真值 + 噪声」。

坑 5：混淆 SL12 与 12SL 写法。 PhysioNet 页面把算法写成「GE Marquette SL12」「Marquette 12SL」两种形式，指同一个算法。检索与引用时勿当成两个不同算法。

坑 6：混淆数据本体 DOI 与论文 DOI。 数据本体是 10.13026/qpjf-gk87，论文是 10.1109/OJEMB.2022.3214719。引用数据集用前者，引用方法学论文用后者，不要混用。

坑 7：忽略「10 秒」时长的限制。 每条记录只有 10 秒静息 ECG，不含长时程节律信息。任何依赖长时程（如阵发性房颤检出、心率变异性长程分析）的任务都不适用。

坑 8：误以为需要 DUA/凭证。 本数据集是 Open Access + CC BY 4.0，无需任何申请。有人因习惯性以为 PhysioNet 都要凭证而绕道，实为多虑——但仍须完成署名。

§7 DAIMS 评估表

DAIMS（Data Asset and Information Management System）框架从多个维度评估数据资产的可用性。本数据集的评分如下（1-5 分，5 为最佳）：

维度	评分	说明
数据可发现性（Discoverability）	5	PhysioNet 收录、有 DOI、有 RRID、有配套论文，检索友好
数据可访问性（Accessibility）	5	CC BY 4.0 + Open Access，零门槛直链下载
数据可互操作性（Interoperability）	4	WFDB 标准格式，Python wfdb 直接读；但标注无统一标准编码（算法/专家诊断字段为文本）
数据可复用性（Reusability）	4	许可宽松、格式标准、版本唯一；但样本量小、项目偏斜，复用场景受限
数据质量（Quality）	4	采集设备专业、双解读、伦理合规；但单机构单时点、无独立金标准
元数据完备性（Metadata）	4	表头完整（导联、采样、增益等），群体统计齐全；逐人对应关系需查发布资料
伦理与合规（Ethics）	5	双伦理批件（NSD 389013 + REK 51205）、书面知情同意、公开共享授权
代表性（Representativeness）	2	28 人、赛艇为主、青年男性偏多，代表性明显不足
规模充分性（Scale）	1	28 条，规模极小，统计功效弱
AI 就绪度（AI-Readiness）	3	格式标准、可直接入流水线；但规模使其仅适合验证而非训练

综合：在「可发现/可访问/伦理合规」上表现优秀，在「代表性/规模」上明显不足。它的价值不在规模，而在不可替代的细分人群定位。

§8 使用指南

8.1 环境准备

# 安装 WFDB 读取工具（Python）
pip install wfdb numpy matplotlib

# 从 PhysioNet 下载（示例：下载整个 v1.0.0）
# 方式一：网页手动下载 https://physionet.org/content/norwegian-athlete-ecg/1.0.0/
# 方式二：若安装了 wfdb，可直接拉取（需网络）
python -c "import wfdb; wfdb.dl_database('norwegian-athlete-ecg', dl_dir='./naecg')"

8.2 读取单条记录并查看波形

import wfdb
import numpy as np

# 读取一条记录（.dat + .hea）
record = wfdb.rdrecord('naecg/1.0.0/ath_001')

print('信号形状 (样本数, 导联数):', record.p_signal.shape)  # (5000, 12)
print('采样率:', record.fs, 'Hz')                          # 500
print('导联名:', record.sig_name)                          # ['I','II',...,'V6']
print('诊断注释:', record.comments)                        # 含 #SL12 / #C

# 取 II 导联（索引 1）画前 2 秒
import matplotlib.pyplot as plt
sig = record.p_signal[:, 1]
t = np.arange(len(sig)) / record.fs
plt.plot(t[:1000], sig[:1000])
plt.xlabel('时间 (s)'); plt.ylabel('幅值 (mV)')
plt.title('ath_001 — 导联 II')
plt.tight_layout(); plt.savefig('ath_001_leadII.png', dpi=120)

8.3 批量读取全部 28 条并整理标注

import wfdb, numpy as np, os

DATA_DIR = 'naecg/1.0.0'
records, labels = [], []

for i in range(1, 29):
    rid = f'ath_{i:03d}'
    rec = wfdb.rdrecord(os.path.join(DATA_DIR, rid))
    records.append(rec.p_signal)          # (5000, 12)
    # 从表头注释中提取算法(#SL12)与专家(#C)诊断
    algo, doc = None, None
    for line in rec.comments or []:
        if line.startswith('#SL12'): algo = line
        if line.startswith('#C'):    doc = line
    labels.append({'id': rid, 'algo': algo, 'cardiologist': doc})

X = np.stack(records)      # (28, 5000, 12)
print('波形张量:', X.shape)
print('示例标注:', labels[0])

8.4 一致性分析的骨架

# 算法诊断 vs 专家诊断的逐条对照（示例逻辑，实际需按 #SL12/#C 文本解析）
algo_set  = [l['algo'] for l in labels]
doc_set   = [l['cardiologist'] for l in labels]

n_total = len(labels)
n_agree = sum(1 for a, d in zip(algo_set, doc_set) if a == d)
print(f'算法-专家一致: {n_agree}/{n_total} = {n_agree/n_total:.1%}')
# 注意：一致的绝对数字意义有限（n=28），应结合分歧案例的定性分析

8.5 合理的下游任务

• 算法偏差探测：把在临床数据上训练的模型拿到这 28 条上，观察是否有系统性「误判为异常」的倾向；
• 迁移学习预实验：先在小样本上试跑，验证运动员 ECG 任务的可做性；
• 运动心脏参考：作为「生理性重构 ECG 长什么样」的示例集，配合文献解读；
• 数据扩充的种子：以此为起点，规划更大规模的运动员 ECG 采集。

8.6 不合理的用法

• 用 28 条训练独立模型并宣称泛化性能；
• 把算法或专家单方诊断当作唯一真值做监督学习；
• 期待从中得到长时程节律或心率变异性结论。

§7.5 深度专题：心电信号技术细节

7.5.1 为什么 500 Hz 与 16 bit 是合理的组合

心电信号的诊断关键频段大致在 0.05-150 Hz 之间。按奈奎斯特采样定理，要无失真重建 150 Hz 的信号，采样率需至少 300 Hz。500 Hz 留出足够余量，且是临床诊断级设备常用的采样率之一，与 250 Hz 的监护级设备相比保留了更完整的波形形态信息（尤其是 QRS 的高频成分与起搏脉冲）。

16 bit 的位宽配合 mV 级幅度分辨率，意味着量化误差足够小，不会淹没心电中的微小特征。这套参数组合（500 Hz / 16 bit / 10 s）与许多公开 12 导联数据集一致，便于跨库比较。

7.5.2 12 导联的空间信息

标准 12 导联由 8 个独立电极信号组合成 12 个通道：

• 肢体导联：I、II、III（双极），aVR、aVL、aVF（加压单极）；
• 胸前导联：V1-V6（单极）。

不同导联反映心脏不同区域的电活动：II 导联对 P 波和心律观察友好；V1-V2 反映右室与前间壁；V5-V6 反映左室侧壁。运动性心脏的重构（尤其左室肥厚）常在胸前导联表现为高电压。保留全部 12 导联，让数据集支持区域特异的结构性分析。

7.5.3 波形张量的形状约定

用 wfdb 读取后，p_signal 的形状是 (5000, 12)——采样点在前、导联在后。这与某些深度学习框架惯用的 (导联, 采样点) 或 (通道, 长度) 约定相反，建模时需要显式转置，否则会出维度错误。这是新手常踩的一个技术坑。

7.5.4 单位与基线

WFDB 通过表头中的增益与基线值，把整数化的 ADC 原始值转换回物理单位（mV）。rdrecord 默认返回的 p_signal 已是物理单位（mV），无需手动换算。但若直接读原始 .dat 二进制，则必须按表头参数换算，否则数值含义完全不同。

7.5.5 注释行解析的注意事项

.hea 中 #SL12 与 #C 行的诊断内容是自由文本，不是结构化编码。这意味着程序化解析需要字符串匹配，且不同记录的文本格式可能不完全一致。研究者若要做批量一致性分析，需要先仔细检查这些注释行的实际格式，不能假设字段位置固定。这是本数据集在「可互操作性」上扣分的原因——它没有采用统一的诊断编码体系。

§7.6 深度专题：与 PTB-XL 的对照分析

7.6.1 规模与目标的根本差异

PTB-XL（库内 rid 70）是本库最主流的 12 导联 ECG 数据集，拥有约 21,799 条记录，来自约 18,885 名患者，覆盖丰富的诊断类别（以其 SCP-ECG 语句体系标注）。本数据集只有 28 条，且人群限于健康运动员。

对比项	PTB-XL (rid 70)	本数据集
记录数	~21,799	28
人群	临床混合人群	健康精英运动员
诊断体系	SCP-ECG 标准编码	算法+专家自由文本
主要用途	训练分类模型	跨域验证/试点
采样率	多为 500 Hz（另有 100 Hz 版）	500 Hz

7.6.2 互补而非替代

两者不是竞争关系。PTB-XL 提供「量」与「疾病谱」，本数据集提供「运动员这一特殊人群」。合理的用法是：用 PTB-XL 训练或细调模型，再拿本数据集检验其在健康运动员上的表现，观察是否出现系统性偏移。

7.6.3 一个思想实验

设想一个在 PTB-XL 上训练的「窦性心动过缓检测器」。运动员普遍心率偏低（生理性），若模型把「心率低」直接判为异常，它会在本数据集上产生大量假阳性。这个思想实验说明了跨人群验证的必要性，也点明了本数据集的价值——它是检验这类偏移的现成靶子。

§7.7 深度专题：与 MIMIC-IV-ECG 的对照分析

7.7.1 院内大规模库的特征

MIMIC-IV-ECG（库内 rid 172）是连接 MIMIC-IV 临床数据库的心电波形库，规模达数十万条，来自 ICU 与住院患者。它的人群是急重症/住院患者，与运动员截然相反。其优势在于大规模 + 与丰富临床数据（诊断、用药、结局）关联。

7.7.2 人群光谱的两端

把 MIMIC-IV-ECG（住院重症）与本数据集（健康精英运动员）并列，可以看到心电数据人群光谱的两端：

住院重症 ← ———————————————— → 健康普通 ← → 健康精英运动员
(MIMIC-IV-ECG)              (缺少公开集)      (本数据集)

中间「健康普通人群」的公开 ECG 数据集恰恰稀缺——因为健康人很少做心电检查。本数据集虽在光谱一端，却是目前少数几个「健康端」的公开样本之一。

7.7.3 迁移学习的可能路径

一个有趣的研究方向：以 MIMIC-IV-ECG 或 PTB-XL 为源域训练，迁移到本数据集，观察域适应方法能否缓解人群偏移。28 条虽少，作为评估域适应的定性样本是可行的。

§7.8 深度专题：数据质量评估的多视角

7.8.1 采集质量

GE MAC VUE 360 是专业诊断级设备，采集条件规范（静息、仰卧、标准 10 秒）。从设备与流程看，信号采集质量有保障。

7.8.2 标注质量

标注质量的可靠性与局限并存：专家已受专项训练、依据当代国际标准，这是可靠性来源；但单一专家、无独立第二判读者、算法与专家的量化一致性未知，这是局限。整体属于「可信但非金标准」的层级。

7.8.3 元数据质量

元数据在群体层面完整（性别、年龄、项目、训练量的统计值均有），但逐人的结构化对应关系未在抓取页面明列。对需要把个人属性与信号联合建模的研究者，这构成一定的不便，须查阅发布方更详细的资料。

7.8.4 代表性的质量折扣

代表性是最大的质量折扣项：28 人、赛艇主导、青年男性偏多。这让它的结论只能「谨慎外推」。在 DAIMS 评估中，代表性仅得 2 分，是全表最低项之一。

§7.9 深度专题：使用场景决策树

针对不同研究目标，是否使用本数据集、如何使用，可参考以下决策树：

你的目标是什么？
├─ 训练通用 ECG 分类/诊断模型
│   └─ 用 PTB-XL(70)/CODE-II(806)/MIMIC-IV-ECG(172)；本集仅作测试
├─ 验证模型在运动员上的表现
│   └─ 直接使用本数据集（库内唯一运动员库）✓
├─ 研究运动员心脏生理
│   └─ 使用本数据集 + 运动医学文献 ✓
├─ 做长时程节律/HRV 分析
│   └─ 不适用（只有 10 秒）✗
├─ 做 ECG 图像识别
│   └─ 用 ECG-Image-Database(959) ✗
├─ 训练体育/运动想象模型
│   └─ 用 EEGMMIDB(342)/BCI-IV-2a(352)（不同任务）✗
└─ 需要大规模统计功效
    └─ 不适用（n=28）✗

§7.10 深度专题：数据集命名与检索陷阱

7.10.1 名称容易混淆的邻居

检索时，以下名称容易与本数据集混淆：

• 「Norwegian」——挪威还有其他的生理信号或医学数据集，仅凭国名检索会误命中；
• 「Athlete」——运动相关的数据集很多，但多数是运动传感器/加速度计数据，而非 ECG；
• 「ECG」——库内心电数据集众多（见 §5），须加限定词才能定位。

推荐检索串：Norwegian Endurance Athlete ECG Database PhysioNet Singstad——把数据集全名、平台、作者三者组合，定位最准。

7.10.2 slug 的确认

官方 slug 已在实抓中确认：norwegian-athlete-ecg（PhysioNet 内容页 URL 路径）。这与主会话 brief 一致，未发生 slug 漂移。库内查重 url_name ILIKE '%athlete%'/'%norwegian%' 与 title ILIKE '%运动员%' 均返回 0 行，无撞库。

7.10.3 引用时的字段陷阱

引用时两个 DOI 别弄混（数据本体 10.13026/qpjf-gk87 vs 论文 10.1109/OJEMB.2022.3214719），算法名别写成两个算法（SL12 = 12SL）。这些在 §6.5 避坑清单与存照附录中已逐条记录。

§9 与库内条目的关系与检索路径

9.1 家族图谱

本条目在千方病案医数集的心电家族中处于「特殊人群」分支。可互链的库内条目及其 rid：

• 通用临床 12 导联：PTB-XL（rid 70）、MIMIC-IV-ECG（rid 172）、Chapman-Shaoxing（rid 143）、CODE-15（rid 152）、CODE-II（rid 806）、OpenECG（rid 802）；
• 节律专项：MIT-BIH Arrhythmia（rid 69）、MIT-BIH AFDB（rid 115）；
• 特殊人群：Leipzig Heart Center ECG（rid 910，儿童/先心病）、PICS（rid 879，早产儿）、Apnea-ECG（rid 658，睡眠呼吸）；
• 图像化/多模态：ECG-Image-Database（rid 959）、MIMIC-IV-Ext-ECG-Glucose（rid 998/999）；
• 围术期/其他：VitalDB（rid 192）、CPSC（rid 132）。

9.2 检索路径建议

• 若目标是训练通用 ECG 分类模型 → 从 PTB-XL（rid 70）或 CODE-II（rid 806）起步，本条目作运动员专项验证；
• 若目标是运动员/运动心脏方向 → 本条目是库内唯一入口，配合 Leipzig（rid 910）看特殊人群光谱；
• 若目标是算法泛化性研究 → 用 MIMIC-IV-ECG（rid 172）或 OpenECG（rid 802）作训练源，本条目作跨人群测试集；
• 若目标是运动相关信号（非心电）→ 参见 EEGMMIDB（rid 342）、BCI Competition IV-2a（rid 352），注意与本条目「运动」含义不同（一为运动想象，一为运动员）。

建议互链点（供主会话参考，均写正文，不进 frontmatter）：
https://www.qianfanghub.com/ai-ready-dataset/ptb-xl/70、.../mimic-iv-ecg/172、.../leipzig-heart-center-ecg/910、.../code-ii/806。

§10 总结

10.1 三句话总结

1. Norwegian Endurance Athlete ECG Database 是首个公开的运动员心电图数据集，28 名挪威精英耐力运动员、28 条 10 秒 12 导联静息 ECG，CC BY 4.0 开放获取。
2. 它的独特价值在于人群——健康运动员心脏的「生理性重构」波形样本，填补临床 ECG 大库空白，为「生理 vs 病理」鉴别与 AI 算法偏差研究提供最小验证场。
3. 它的局限同样鲜明——规模小、项目偏斜、单机构单时点，只能作验证/预实验，不能作主训练集。

10.2 适合谁

• 运动心脏病学与运动生理学研究者；
• AI 心电算法跨人群泛化性评测者；
• 可穿戴/运动健康设备开发者（运动员场景）；
• 需要「算法 vs 专家」对照样本的方法学研究者。

10.3 不适合谁

• 需要大规模训练数据从头训练模型的团队；
• 做长时程节律分析或心率变异性研究的人；
• 需要覆盖多种运动项目/年龄层代表性样本的人。

10.4 30 秒决策卡

你的需求	是否用本数据集
训练通用 ECG 模型	否（用 PTB-XL rid 70）
运动员 ECG 专项验证	是（库内唯一）
算法偏差探测	是（小样本定性）
长时程节律分析	否（只有 10 秒）
大规模统计	否（n=28）
运动心脏参考示例	是

事实清单（硬事实 30 条）

1. 官方全名：Norwegian Endurance Athlete ECG Database。
2. 官方 slug：norwegian-athlete-ecg（PhysioNet URL 路径，实抓确认）。
3. 发布平台：PhysioNet。
4. 发布日：2022-03-23。
5. 版本：v1.0.0（单版本，无后继）。
6. 作者：Bjørn-Jostein Singstad（单作者）。
7. 机构：University of Oslo（奥斯陆大学）。
8. 数据本体 DOI：10.13026/qpjf-gk87。
9. 论文 DOI：10.1109/OJEMB.2022.3214719。
10. RRID：SCR_007345。
11. 运动员数：28。
12. ECG 记录数：28。
13. 性别：男 19（68%）/ 女 9（32%）。
14. 年龄区间：20-43 岁。
15. 年龄均值：25 岁。
16. 年龄标准差：4.7 岁。
17. 项目分布：赛艇 24（86%）/ 皮划艇 2（7%）/ 自行车 2（7%）。
18. 2017 训练量：822 ± 117 小时/年。
19. 2018 训练量：820 ± 113 小时/年。
20. 2019 训练量：798 ± 171 小时/年。
21. 采集地：University of Oslo。
22. 采集时间：2020 年 2-3 月。
23. 设备：GE MAC VUE 360。
24. 导联数：12。
25. 采样率：500 Hz。
26. 采样点数：5000/导联。
27. 时长：10 秒。
28. 算法：GE Marquette SL12（12SL）version 23（v243）。
29. 专家判读标准：International Criteria for ECG interpretation of athletes（2018）。
30. 文件格式：WFDB（.dat + .hea）；文件编号 ath_001…ath_028。

事实清单补充（伦理与许可 6 条）

31. 数据保护批件：NSD/Sikt 389013。
32. 医学伦理批件：REK 51205。
33. 知情同意：书面同意 + 明确授权公开共享。
34. 许可：CC BY 4.0。
35. 访问级别：PhysioNet Open Access（无凭证/无 DUA）。
36. 首个公开运动员 ECG 数据集（作者 impact statement）。

FAQ（高频问答 16 组）

Q1：这个数据集只有 28 条，值得收录吗？
值得。它的价值不在规模，而在「首个公开运动员 ECG」这一不可替代的定位。28 条足以做算法偏差探测与预实验，且 CC BY 4.0 零门槛。

Q2：Norwegian Endurance Athlete ECG Database 和普通心电图数据集有什么本质区别？
人群不同。普通 ECG 数据集来自临床就诊人群（有病/疑似病），本数据集来自健康精英耐力运动员，其心电图的「异常」多为训练导致的良性改变。

Q3：28 名运动员，为什么只有 28 条记录？
一运动员一条。数据集设计为静态横断面样本，每人采集一条 10 秒 12 导联静息 ECG。

Q4：#SL12 和 #C 是什么？
#SL12 是 GE Marquette SL12（version 23, v243）算法自动诊断，#C 是心脏病专家人工诊断。两者都写在 .hea 表头文件里。

Q5：为什么要有专家解读？算法不是更快吗？
算法在运动员人群上不可靠（它按普通人群训练），专家的运动员专项判读能提供更贴合国际标准的判断。两条并列是为了对照与研究。

Q6：International Criteria（2018）是什么？
运动员心电图解读的国际标准（International Criteria for ECG interpretation of athletes），2018 年发布，用于区分运动员正常训练适应与病理性改变，减少误判。

Q7：数据格式是什么？怎么读？
WFDB 格式：.dat（波形）+ .hea（表头）。Python 用 wfdb.rdrecord() 直接读取，p_signal 是 (5000, 12) 的数组。

Q8：采样率是多少？
500 Hz。每条 10 秒，共 5000 采样点/导联。

Q9：许可是什么？能商用吗？
CC BY 4.0，允许商用、再分发、改编，但必须署名（引用 Singstad 2022）。

Q10：需要申请凭证或签 DUA 吗？
不需要。PhysioNet Open Access，直接下载。

Q11：可以把它当训练集训练模型吗？
不建议作主训练集（28 条会严重过拟合）。适合作验证集、预实验或一致性分析样本。

Q12：算法和专家诊断能当 ground truth 吗？
不能单方当真值。两者都有误判可能，应作为「两份意见」用于对照与分歧分析。

Q13：数据集有哪些人群偏斜？
项目上赛艇占 86%（24/28）；性别男 19 女 9；年龄 20-43（均值 25）。跨项目、跨年龄泛化性未验证。

Q14：能用来研究心源性猝死（SCD）吗？
不能直接研究。数据集是健康运动员样本，没有 SCD 事件或临床结局标签，只能用于理解「什么是生理性改变」这一前置问题。

Q15：数据本体 DOI 和论文 DOI 有什么区别？
数据本体：10.13026/qpjf-gk87（PhysioNet，引用数据用）；论文：10.1109/OJEMB.2022.3214719（IEEE OJEMB，引用方法学用）。

Q16：有没有后继版本？
没有。自 2022-03-23 发布 v1.0.0 至今无更新版本。

Q17：库内最接近的对照条目是什么？
PTB-XL（rid 70）和 MIMIC-IV-ECG（rid 172）在「12 导联 ECG」上最接近，但均为临床人群；本条目在「运动员/健康」维度唯一。

Q18：训练量数据可信吗？
训练量为运动员自报（2017-2019 年均约 800 小时/年），无客观运动负荷设备验证，属自报数据。

Q19：这个数据集有 leaderboard 或挑战赛吗？
没有。它是 PhysioNet 上的普通开放数据集，非挑战赛（challenge）结构，没有官方榜单。

Q20：一个运动员会不会有多条 ECG？
不会。设计上「一运动员一条」，28 名运动员对应 28 条记录，无重复。

Q21：数据里有没有原始 PDF 或图像版心电图？
没有。只提供 WFDB 数字波形（.dat/.hea），不含扫描图像或 PDF 报告。

Q22：能不能用来做 ECG 图像识别任务？
不能。本数据集只有数字波形，若要做图像任务请参考 ECG-Image-Database（rid 959）。

Q23：年龄标准差 4.7 岁说明什么？
说明这 28 人年龄集中在均值 25 岁附近，是相对年轻同质的运动员群体，不代表更广的年龄分布。

Q24：83% 赛艇这条为何重要？
因为赛艇是耐力项目，其心脏重构模式可能与长跑等其他耐力项目不同。86% 的赛艇占比意味着结论的项目普适性有限。

Q25：为什么说它是「首个」公开运动员 ECG 数据集？
作者 impact statement 明确写这是 first open dataset with ECGs recorded from athletes，即公开发布的信息中首个此类数据集。

Q26：这个数据集能补充到 MIMIC 或 PTB-XL 里训练吗？
可以作为「域外测试集」混入评估流程，但不建议把 28 条混入万级训练集作训练样本（会淹没在数据中被忽略，且可能引入域偏移）。

Q27：如何引用它才符合 CC BY 4.0？
给出署名（Singstad, B.）、许可名称（CC BY 4.0）、是否修改三项信息；标准引用格式见 §6.2。

术语表（20 条）

术语	英文	含义
心电图	ECG / Electrocardiogram	记录心脏电活动的信号
12 导联	12-lead	标准诊断导联配置（I/II/III/aVR/aVL/aVF/V1-V6）
静息 ECG	Resting ECG	受试者安静仰卧位采集的心电
运动员心脏	Athlete’s heart	长期训练导致的心脏生理性重构
心脏重构	Cardiac remodeling	心脏结构/功能的适应性改变
心源性猝死	Sudden Cardiac Death (SCD)	因心脏原因突发的非预期死亡
国际标准	International Criteria	运动员 ECG 解读的 2018 国际判据
WFDB	WaveForm DataBase	生理信号的标准存储格式与 Python 库
表头文件	.hea	WFDB 元数据文件
波形文件	.dat	WFDB 二进制信号文件
Marquette SL12	12SL	GE 心电图机内置自动解读算法
采样率	Sampling rate	每秒采样点数（本数据集 500 Hz）
导联	Lead	电极组合测量的心电通道
生理性重构	Physiological remodeling	训练导致的良性改变
病理性重构	Pathological remodeling	与疾病相关的改变
自动解读	Automated interpretation	算法给出的心电诊断
专家判读	Expert interpretation	医生手工给出的诊断
一致性分析	Agreement analysis	比较两种判读的一致程度
假阳性	False positive	把正常误判为异常
CC BY 4.0	Creative Commons Attribution 4.0	允许使用需署名的开放许可

附录 A：条目信息速查卡

项	值
官方全名	Norwegian Endurance Athlete ECG Database
slug	norwegian-athlete-ecg
作者	Bjørn-Jostein Singstad
机构	University of Oslo
规模	28 运动员 / 28 ECG
规格	12 导联 / 10 s / 500 Hz / 5000 采样
设备	GE MAC VUE 360
解读	GE Marquette SL12 v23 + 心脏病专家（2018 国际标准）
格式	WFDB（.dat/.hea）
许可	CC BY 4.0 / Open Access
数据 DOI	10.13026/qpjf-gk87
论文 DOI	10.1109/OJEMB.2022.3214719
发布	2022-03-23 / v1.0.0

附录 B：DAIMS 评估全表

维度	评分	依据
可发现性	5	PhysioNet + DOI + RRID + 论文
可访问性	5	CC BY 4.0 Open Access
可互操作性	4	WFDB 标准格式
可复用性	4	许可宽、版本单一；场景受规模限
数据质量	4	专业设备+双解读+伦理合规
元数据完备性	4	表头完整、群体统计齐全
伦理合规	5	NSD 389013 + REK 51205 + 知情同意
代表性	2	28 人、赛艇为主
规模充分性	1	28 条
AI 就绪度	3	格式好但规模小

附录 C：逐项证据链自证

事实	来源
28 运动员 28 ECG	PhysioNet 内容页 Abstract + Resources 列表
12 导联/10s/500Hz/5000 采样	PhysioNet 页面 Data Description
GE MAC VUE 360	PhysioNet 页面 Methods
Marquette SL12 v23	PhysioNet 页面 Methods + IEEE Xplore
专家按 International Criteria 2018	PhysioNet 页面 Methods
男 19 女 9、年龄 20-43 均值 25	PhysioNet 页面 Methods
赛艇 24 / 皮划艇 2 / 自行车 2	PhysioNet 页面 Methods
训练量 822/820/798 小时	PhysioNet 页面 Methods
CC BY 4.0	PhysioNet 页面 license 字段
DOI 10.13026/qpjf-gk87	PhysioNet 页面
论文 DOI 10.1109/OJEMB.2022.3214719	IEEE Xplore / ADS
NSD 389013 / REK 51205	PhysioNet 页面 Methods

附录 D：文件命名与结构

norwegian-athlete-ecg/1.0.0/
├── ath_001.dat   # 12 导联波形（二进制）
├── ath_001.hea   # 表头（导联/采样/增益 + #SL12 + #C）
├── ath_002.dat
├── ath_002.hea
├── ...
├── ath_028.dat
├── ath_028.hea
└── LICENSE.txt   # CC BY 4.0

附录 E：.hea 表头行结构解读

行	内容
第 1 行	记录名、导联数(12)、采样率(500)、采样数(5000)
第 2-13 行	12 个导联：文件名、位宽(16)、增益、ADC 分辨率、基线、首值、校验和、导联名
#SL12 行	GE Marquette SL12 算法诊断
#C 行	心脏病专家诊断

附录 F：文献与研究背景

• Singstad, B. (2022). Norwegian Endurance Athlete ECG Database (version 1.0.0). PhysioNet. RRID:SCR_007345. https://doi.org/10.13026/qpjf-gk87
• Singstad, B. (2022). Norwegian Endurance Athlete ECG Database. IEEE Open Journal of Engineering in Medicine and Biology. DOI: 10.1109/OJEMB.2022.3214719
• International Criteria for ECG interpretation of athletes (2018) — 运动员心电解读国际共识（专家判读依据）
• 背景引用（作者页所列 SCD 相关文献，涉及运动员 SCD 发生率高于同龄非运动员）

存照附录（双口径与待核，与 FACTS §9 对照）

1. 算法名双写：页面同时出现「GE Marquette SL12」与「Marquette 12SL」，为同一算法两种写法，本条目统一标注 SL12（12SL）。
2. DOI 双口径：数据本体 10.13026/qpjf-gk87 vs 论文 10.1109/OJEMB.2022.3214719，用途不同非冲突。
3. 机构口径：采集地 University of Oslo 明确；作者具体院系隶属未在抓取内容中逐字确证（遗留疑点）。
4. 逐人元数据：群体统计（性别/年龄/项目/训练量）齐全，但「编号 ath_XXX ↔ 具体个人信息」的逐人对应关系未在抓取页面明列（遗留疑点）。
5. 算法-专家一致性定量：抓取页面未给出 SL12 与专家逐条吻合的量化数字（遗留疑点，需查论文正文）。
6. 总文件体积：页面未明列总字节数，波形估算约 3.4 MB（28 × 12 × 5000 × 16 bit）。

附录 G：运动项目分布的可视化描述

28 名运动员的项目构成高度集中：

赛艇   ████████████████████████ 24 (86%)
皮划艇 ██                        2  (7%)
自行车 ██                        2  (7%)

这种集中度提示两点：一，数据源自某类运动环境（很可能与赛艇队有联系）；二，跨项目泛化性评估在本数据集上无法完成，因为除赛艇外的样本太少。

附录 H：性别与年龄分布

性别：男 19 (68%) ｜ 女 9 (32%)
年龄：20 ─────均值 25───── 43 岁（SD 4.7）

年龄分布偏年轻且集中，反映「精英耐力运动员」这一人群的自然特征——竞技高峰期多在青年。数据集中不含青少年或中老年运动员，泛化到这些人群需谨慎。

附录 I：训练量三年趋势

2017: 822 ± 117 小时/年
2018: 820 ± 113 小时/年
2019: 798 ± 171 小时/年

三年均值稳定在 800 小时/年附近，说明这批运动员维持了长期、持续的高训练量——这是「精英耐力」的量化证据，也是其心脏发生生理性重构的负荷基础。2019 年标准差略大（171），个体差异在该年更明显。

附录 J：采集与解读时间线

时间	事件
2020 年 2-3 月	于 Oslo 大学采集 28 条 ECG
采集当时	GE MAC VUE 360 内置 SL12 算法自动解读
采集完成后	心脏病专家逐份人工解读
2022-03-23	PhysioNet 发布 v1.0.0
2022 年	IEEE OJEMB 论文发表

附录 K：数据获取决策树

想用这个数据集？
├─ 需要它来训练模型？
│   └─ 否 → 走 §7.9 决策树选大库
├─ 只是想看运动员 ECG 长什么样？
│   └─ 是 → PhysioNet 直链下载，wfdb 读取 ✓
├─ 想做算法跨域验证？
│   └─ 是 → 下载本集作测试集 ✓
└─ 想引用它？
    └─ 用 §6.2 引用格式（两部分 DOI 分别引用）

附录 L：与库内条目的关系声明

本条目（norwegian-athlete-ecg）在千方病案医数集心电家族中的定位：

• 与 PTB-XL（rid 70）：规模互补（28 vs 21,799），人群互补（运动员 vs 临床）；
• 与 MIMIC-IV-ECG（rid 172）：人群光谱两端（健康精英 vs 住院重症）；
• 与 Leipzig Heart Center ECG（rid 910）：同属「特殊人群」分支（运动员 vs 儿童/先心病）；
• 与 PICS（rid 879）：同属特殊人群（运动员 vs 早产儿）；
• 与 ECG-Image-Database（rid 959）：任务不同（数字波形 vs 图像）。

本条目不与任何库内条目撞库（查重 0 行），为库内运动员 ECG 方向的唯一入口。

附录 M：许可条款细读

CC BY 4.0 的关键条款（便于合规使用）：

条款	内容
允许复制	可任意复制与再分发
允许改编	可修改、转换、基于其创作
允许商用	无「非商业」限制
署名要求	必须给出适当署名、许可链接、修改说明
无附加限制	不得施加法律条款或技术措施限制他人行使许可权利
无担保	数据按「现状」提供，无明示或默示担保

署名示例（满足要求）：

本分析使用 Norwegian Endurance Athlete ECG Database（Singstad, B., 2022，DOI 10.13026/qpjf-gk87），依 CC BY 4.0 许可使用，未作修改。

附录 N：常见误用与纠正对照

误用	纠正
用 28 条训练大模型	改用作测试/验证集
把 SL12 输出当真值	当作「算法意见」，与专家对照
外推到所有运动项目	明确限定赛艇为主的耐力项目
做长时程 HRV	换长时程数据集
忽略许可署名	每次使用均给出 CC BY 4.0 署名
混淆两个 DOI	数据用数据 DOI，方法用论文 DOI

附录 O：复现骨架（最小可运行）

# minimal_repro.py —— 读取全部 28 条并输出基本信息
import os
import wfdb
import numpy as np

DATA_DIR = 'naecg/1.0.0'   # 从 PhysioNet 下载后解压至此

summary = []
for i in range(1, 29):
    rid = f'ath_{i:03d}'
    rec = wfdb.rdrecord(os.path.join(DATA_DIR, rid))
    summary.append({
        'id': rid,
        'shape': rec.p_signal.shape,      # (5000, 12)
        'fs': rec.fs,                     # 500
        'leads': len(rec.sig_name),       # 12
        'n_comments': len(rec.comments or []),
    })

for s in summary:
    print(s)
print(f'共 {len(summary)} 条记录，均为 12 导联 / 500 Hz / 10 s')

附录 P：与同类「特殊人群」数据集的横向表

数据集	库内 rid	特殊人群	规模	与本文关系
Norwegian Athlete ECG	本文	健康精英运动员	28	—
Leipzig Heart Center	910	儿童/先心病	中	特殊人群邻居
PICS	879	早产儿	10	特殊人群邻居
MR-ART	773	运动伪影被试	148	「运动」字面邻居（MRI）
CMRxMotion	687	呼吸运动被试	小	「运动」字面邻居（MRI）

附录 Q：术语中英对照补充

中文	英文
耐力运动员	endurance athlete
精英运动员	elite athlete
赛艇运动员	rower
皮划艇运动员	kayaker
自行车运动员	cyclist
训练量	training volume
赛前筛查	preparticipation screening
早期复极	early repolarization
窦性心动过缓	sinus bradycardia
一度房室传导阻滞	first-degree AV block
不完全性右束支传导阻滞	incomplete right bundle branch block
假阳性	false positive
域偏移	domain shift
跨域验证	cross-domain validation

附录 R：条目元信息

项	值
条目 slug	norwegian-athlete-ecg
写手代理	agent-b-norwegiana
FACTS 时点	2026-10-10
官方 slug 确认	是（PhysioNet URL 路径一致）
查重结果	0 行（无撞库）
网络预算使用	WebSearch 1 / WebFetch 2 / curl 2（均未超限）
版本	v1.0.0（单版本）
许可	CC BY 4.0

附录 S：一句话定位

Norwegian Endurance Athlete ECG Database 是库内唯一的运动员心电数据集，28 条规模虽小，但「首个公开运动员 ECG」的定位与「算法+专家双解读」的设计，使其成为运动心脏方向不可替代的最小验证场。

---

本条目由千方病案医数集编辑部整理，数据事实以 PhysioNet 官方页面与配套论文为准，抓取时点 2026-10-10。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• brugada-huca — 共享标签：生理信号 / 心电信号 / 心血管疾病 / 评测基准 / 队列研究
• fantasia — 共享标签：生理信号 / 心电信号 / 心血管疾病 / 队列研究
• ecgcipa — 共享标签：生理信号 / 心电信号 / 心血管疾病 / 队列研究
• code-test — 共享标签：生理信号 / 心电信号 / 心血管疾病 / 评测基准
• ecg-arrhythmia — 共享标签：生理信号 / 心电信号 / 心血管疾病 / 评测基准
• ecg-fragment-high-risk-label — 共享标签：生理信号 / 心电信号 / 心血管疾病 / 评测基准
• mmash — 共享标签：生理信号 / 心电信号 / 评测基准 / 队列研究
• mit-bih-afdb — 共享标签：生理信号 / 心电信号 / 心血管疾病 / 评测基准
• cinc-2021 — 共享标签：生理信号 / 心电信号 / 心血管疾病 / 评测基准
• icentia11k — 共享标签：生理信号 / 心电信号 / 心血管疾病 / 评测基准

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。