新发心房颤动独立预测因素数据集

资源简介

新发心房颤动独立预测因素数据集

该数据集英文名为 Independent predictors of new-onset atrial fibrillation，源站标题为 Atrial Fibrillation Classification，归属于心血管系统疾病 / 心房颤动分类。它源自 PhysioNet 2017 挑战赛，仅保留正常窦性心律与心房颤动两类单导联心电图，时长统一截取为 30 秒，采样频率 300Hz，共 4524 条记录，每条 9000 个采样点，数据由 AliveCor 提供。数据集由 Stef Zeemering 发布，当前版本为 v4，发布时间为 2025-11-11，采用 CC0 公有领域许可，主题标签涵盖 earth and nature、classification、heart conditions、healthcare、diseases 与 feature extraction。

【数据集背景】

该数据集是 PhysioNet 2017 挑战赛数据的一个子集。原始挑战赛的训练集中包含多种心律类别，本数据集从中筛选出被分类为正常窦性心律或心房颤动的信号，并保留时长在 30 秒及以上的心电图记录，依据信号实际长度进行分段并截断至 30 秒。这一筛选策略使数据集聚焦于正常窦性心律与心房颤动之间的二分类问题，适合用于研究心房颤动的识别与分类方法。

【数据内容】

数据集共包含 2 个文件，分别为 Physionet2017TrainingData.csv 与 Physionet2017TrainingLabels.csv，合计 153.60 MB。数据文件为 CSV 表格格式，其中包含 4524 条单导联心电图记录，采样频率为 300Hz，每条记录包含 9000 个采样点，对应 30 秒时长。标签文件提供与各条心电图记录对应的类别信息，类别为正常窦性心律或心房颤动。

【采集与来源】

数据取自 PhysioNet 2017 挑战赛站点，原始数据由 AliveCor 提供。该挑战赛的公开地址为 https://physionet.org/content/challenge-2017/1.0.0/。数据集发布机构标注为 Stef Zeemering，发布时间为 2025-11-11，版本为 v4。

【适用场景】

依据主题标签，该数据集可用于分类任务、心脏状况相关研究、医疗健康领域的数据分析以及特征提取等方向。由于数据仅包含正常窦性心律与心房颤动两类单导联心电图，适合构建和评估针对这两类心律的二分类模型，也可用于心电图信号的特征提取与分类方法研究。

【使用方法】

使用时可先下载两个数据文件，即 Physionet2017TrainingData.csv 与 Physionet2017TrainingLabels.csv，合计 153.60 MB。按 CSV 表格格式读取数据后，建议先在小样本上核对字段与编码，确认无误后再批量接入。数据文件与标签文件需配合使用，以完成信号与类别标签的对应。

【质量与限制】

数据集仅保留正常窦性心律与心房颤动两类，未涵盖其他心律类别；信号为单导联心电图，采样频率 300Hz，每条记录统一为 30 秒、9000 个采样点。原始数据中时长不足 30 秒的记录未被纳入。其他质量相关信息源站未提供。

【引用与许可】

使用该数据集时，应引用相关文献：Clifford GD, Liu C, Moody B, Li-wei HL, Silva I, Li Q, Johnson AE, Mark RG. AF classification from a short single lead ECG recording: The PhysioNet/computing in cardiology challenge 2017. In 2017 Computing in Cardiology (CinC) 2017 Sep 24 (pp. 1-4). IEEE. https://doi.org/10.22489/CinC.2017.065-469。数据集采用 CC0 公有领域许可。