MIMIC Perform III 房颤与非房颤数据集
源自MIMIC-III的带标注心电图、PPG和呼吸波形数据集，用于心房颤动研究。
基本信息
资源简介
MIMIC Perform III 房颤与非房颤数据集
【数据集背景】
本数据集源站标题为《MIMIC Perform III AF and Non-AF Dataset》。源站首次发布：2025-12-09。
【数据内容】
源站原始描述：The MIMIC PERform AF Dataset is a specialized, annotated collection of physiological signals derived to support research in Atrial Fibrillation (AF) detection. It contains synchronized recordings of Photoplethysmogram (PPG), Electrocardiogram (ECG), and Respiration signals. ### Data Characteristics | Item | Detail | | :- | :- | | **Duration of Recordings** | 20 minutes per recording (default/standard). | | **Subjects** | **35 critically-ill adults** (19 subjects confirmed with AF, 16 subject…
【数据结构与技术规格】
文件数 20 个，合计 74.62 MB。
【主题与分类】
主题标签：health、time series analysis、public health、diseases。
【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/raditya0/mimic-perform-iii-af-and-non-af-dataset
使用许可：Other (specified in description)。
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("raditya0/mimic-perform-iii-af-and-non-af-dataset")
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 raditya0/mimic-perform-iii-af-and-non-af-dataset
unzip mimic-perform-iii-af-and-non-af-dataset.zip -d mimic-perform-iii-af-and-non-af-dataset/
数据集大小约 0.10 GB。
数据说明
该数据集源自MIMIC-III，包含标注的心电图(ECG)、光电容积描记图(PPG)和呼吸波形，用于心房颤动(AF)研究，旨在支持房颤的检测与分类任务。
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。
