利用患者特异性计算模型与机器学习识别心房颤动射频消融结局预测因素
该数据集来自 zenodo.org，属于心血管系统疾病中的心房颤动主题，包含 13 个文件，如 mMS.model、README.md 及多个 Case 的 vtk 文件
基本信息
资源简介
利用患者特异性计算模型与机器学习识别心房颤动射频消融结局预测因素
Identifying Outcome Predictors of Radiofrequency Ablation of Atrial Fibrillation Using Patient-Specific Computational Models and Machine Learning
该数据集来自 zenodo.org，属于心血管系统疾病中的心房颤动主题，包含 13 个文件，如 mMS.model、README.md 及多个 Case 的 vtk 文件。数据基于 late gadolinium enhancement MRI 与电解剖标测构建了 11 个左心房数字孪生，采用含空间异质性的五参数组织模型（20 个参数），每个解剖结构模拟 600 组参数样本以评估心律失常与 PVI 结局，并使用四种分类器预测二分类结果。该数据可用于研究心律失常持续性与 PVI 获益的电生理决定因素，以及哪些常规测量可约束这些参数（来源 Zenodo，cc-by-4.0 许可）。
【数据集背景】
源站首次发布：2026-06-25。
【数据内容】
源站描述（机器翻译，仅供参考）：摘要：高达 40% 的心房颤动（AF）消融需要再次手术。患者特异性计算模型可以预测肺静脉隔离（PVI）结局，但其价值取决于哪些常规采集的测量指标能提供与结局相关的参数信息。我们旨在识别心律失常持续性和 PVI 获益的电生理决定因素，以及哪些测量指标约束这些因素。我们利用 late gadolinium enhancement MRI 和电解剖（双极电压与局部激活时间，LAT）标测，使用具有空间异质性的五参数组织模型（20 个参数），构建了 11 个左心房数字孪生。对每个解剖结构，模拟 600 组参数样本以评估心律失常和 PVI，并分类为四个终点。四种分类器（logistic regression、gradient boosting、random forest 和 multilayer perceptron）预测二分类心律失常
【数据结构与技术规格】
文件数 13 个，合计 225.56 MB。数据集 DOI：10.5281/zenodo.20844582。
【主题与分类】
主题标签：心房颤动、射频消融、计算模型、机器学习、肺静脉隔离、心血管系统疾病、数字孪生。本站分类：心血管系统疾病/心房颤动。
【获取与许可】
源站页面：https://zenodo.org/records/20844582
使用许可：cc-by-4.0。
【使用注意】
· 源站最后修改于 2026-07-20，引用时请注意版本时效。
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。
暂未开放公开下载
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。
免登录有偿下载
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（Zenodo 公开直链）
curl -L -o "mMS.model" "https://zenodo.org/api/records/20844582/files/mMS.model/content"
curl -L -o "README.md" "https://zenodo.org/api/records/20844582/files/README.md/content"
curl -L -o "Case_119.vtk" "https://zenodo.org/api/records/20844582/files/Case_119.vtk/content"
curl -L -o "Case_28.vtk" "https://zenodo.org/api/records/20844582/files/Case_28.vtk/content"
curl -L -o "Case_59.vtk" "https://zenodo.org/api/records/20844582/files/Case_59.vtk/content"
curl -L -o "Case_82.vtk" "https://zenodo.org/api/records/20844582/files/Case_82.vtk/content"
curl -L -o "Case_11.vtk" "https://zenodo.org/api/records/20844582/files/Case_11.vtk/content"
curl -L -o "Case_8.vtk" "https://zenodo.org/api/records/20844582/files/Case_8.vtk/content"
文件清单
mMS.model（0.0 MB）README.md（0.0 MB）Case_119.vtk（29.5 MB）Case_28.vtk（18.2 MB）Case_59.vtk（13.6 MB）Case_82.vtk（12.4 MB）Case_11.vtk（16.0 MB）Case_8.vtk（19.0 MB）Case_25.vtk（20.7 MB）Case_1.vtk（27.4 MB）Case_63.vtk（19.2 MB）Case_18.vtk（20.4 MB）Case_125.vtk（18.6 MB）
数据集大小约 225.6 MB。
数据说明
摘要 高达40%的心房颤动（AF）消融需要重复手术。患者特异性计算模型能够预测肺静脉隔离（PVI）的结局，但其价值取决于哪些常规获取的测量指标能为结局相关参数提供信息。我们旨在识别心律失常持续性和PVI获益的电生理决定因素，以及哪些测量指标对其构成约束。我们利用晚期钆增强MRI和电解剖（双极电压和局部激活时间，LAT）标测，构建了11个左心房数字孪生，采用具有空间异质性的五参数组织模型（20个参数）。对于每个解剖结构，模拟了600个参数样本以评估心律失常和PVI，并分类为四个终点。四种分类器（逻辑回归、梯度提升、随机森林和多层感知器）预测二元心律失常持续性和PVI获益，Shapley值和排列重要性对预测因子进行排序。
我们还模拟了冠状窦起搏期间的密集LAT标测，以及基于S1S2八重射线方案的电传导速度（CV）恢复曲线，并通过高斯过程Sobol分析量化了参数可识别性。最大传导速度（CV max）和最大动作电位时程（APD max）共同决定了激动波长，是所有分类器中维持性的首要决定因素。对于PVI获益，CV max在消融前AF中占主导地位，而左心房表面积在心房扑动中占主导地位，组织异质性起次要作用。密集LAT标测对CV max具有约束作用，而S1S2方案通过有效不应期和CV恢复曲线共同约束APD max和CV max。因此，最大传导速度和动作电位时程是心律失常维持性和PVI获益的主要决定因素，而两种常规采集的标测方案共同约束了这些与结局相关的参数，支持基于图像的个性化消融规划。
许可
cc-by-4.0
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。
