心房颤动分类
Physionet 2017挑战赛心电数据集，用于正常窦性心律与心房颤动分类。
基本信息
资源简介
心房颤动分类
【数据集背景】
本数据集源站标题为《Atrial Fibrillation Classification》。源站首次发布：2025-11-11。
【数据内容】
源站原始描述：## Context This dataset is a subset of the Physionet 2017 challenge. From the training set, only signals classified as Normal Sinus Rhythm or Atrial Fibrillation were selected. ECGs with duration of 30s or more were selected, segmented and truncated to 30s depending on the signal length. ## Content Data are taken from Physionet 2017 site challenge. The csv file contains 4524 ECGs (single lead), sampling frequency 300Hz, each 9000 samples, taken from the Physionet2017 dataset. Data have been prov…
【数据结构与技术规格】
文件数 2 个，合计 153.60 MB。
【主题与分类】
主题标签：earth and nature、classification、heart conditions、healthcare、diseases、feature extraction。
【适用方向】
时序数据适用于疾病进展预测、生理信号监测与事件发生的时序建模。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/stefzeemering/atrial-fibrillation-classification
使用许可：CC0: Public Domain。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("stefzeemering/atrial-fibrillation-classification")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d stefzeemering/atrial-fibrillation-classification
unzip atrial-fibrillation-classification.zip -d atrial-fibrillation-classification/
数据集大小约 0.05 GB。
数据说明
Physionet 2017挑战赛数据集，包含正常窦性心律和心房颤动的心电信号时间序列数据，用于二分类任务。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
