基于心电图人工智能指导筛查心房颤动的实时诊断长期随访研究（REGAL）
REGAL 数据集来自 clinicaltrials.gov，属于心血管系统疾病中的心房颤动主题。源站描述指出，该研究旨在检验将 Apple Watch 作为长期监测设备使用，能否实现心房颤动的早期检测
基本信息
资源简介
基于心电图人工智能指导筛查心房颤动的实时诊断长期随访研究（REGAL）
REGAL 是一个围绕心房颤动早期检测展开的研究数据集，其全称为 Realtime Diagnosis From Electrocardiogram Artificial Intelligence-Guided Screening for Atrial Fibrillation With Long Follow-Up。该数据集归属于心血管系统疾病中的心房颤动主题，来源为 clinicaltrials.gov。根据源站描述，这项研究的核心目的是检验将 Apple Watch 作为长期监测设备使用，能否实现心房颤动的早期检测。数据集以心房颤动为主要主题标签，整体定位偏向于可穿戴设备在心律失常筛查与长期随访场景中的应用研究。以下从背景、内容、来源、适用场景、使用方法、质量与限制以及引用与许可等方面对该数据集作进一步介绍。
【数据集背景】
心房颤动是心血管系统疾病中常见的一类心律失常，其早期识别对于后续临床管理具有重要意义。REGAL 所对应的研究正是在这一背景下提出的：研究关注的是能否借助消费级可穿戴设备实现心房颤动的早期发现。源站描述明确指出，该研究的目的在于测试 Apple Watch 作为长期监测设备使用时，是否能够支持心房颤动的早期检测。这一研究设定将可穿戴设备的连续监测能力与心房颤动的筛查需求结合起来，构成了该数据集的基本研究背景。需要说明的是，除上述研究目的与疾病主题外，源站未提供关于研究设计细节、研究起止时间、样本规模或随访安排的具体信息。
【数据内容】
该数据集的主题标签为 Atrial Fibrillation，所属分类为心血管系统疾病 / 心房颤动。源站描述中提及的监测手段为 Apple Watch，并将其定位为长期监测设备。围绕数据内容的具体构成，例如所包含的记录类型、信号形式、字段结构、时间跨度或随访数据的具体组织方式，源站未提供。因此，本数据集在数据内容层面的详细说明无法依据现有信息展开。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov，属于以临床研究注册信息为依托的数据来源。源站描述显示，研究以 Apple Watch 作为长期监测设备，用于检验心房颤动的早期检测能力。关于采集环境、采集流程、设备具体型号与配置、数据采集频率以及随访的具体执行方式，源站未提供。
【适用场景】
基于现有信息，该数据集的主题指向心房颤动，研究目的指向利用可穿戴设备进行长期监测与早期检测。因此，其适用场景可概括为与心房颤动筛查和长期监测相关的研究方向，尤其是关注可穿戴设备在心律失常早期识别中作用的研究。关于更细化的适用场景，例如特定的临床决策支持、算法训练或流行病学研究用途，源站未提供。
【使用方法】
源站未提供关于该数据集具体使用方法的说明，包括数据访问方式、数据结构说明、配套文档或分析指引等。
【质量与限制】
源站未提供关于数据质量指标、完整性、准确性验证或已知局限性的说明。使用者在参考该数据集时，应以源站发布的信息为准，并注意现有描述仅覆盖研究目的与主题层面。
【引用与许可】
源站未提供关于引用格式与许可条款的具体信息。
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
源站：https://clinicaltrials.gov/study/NCT05923359
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
条件：心房颤动。本研究的目的是检验Apple Watch作为长期监测设备，能否实现心房颤动的早期发现。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
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。
