亚洲心肌病心肌炎心内膜炎年龄标准化死亡率数据集
该数据集包含来自 Our World in Data 的亚洲地区心肌病、心肌炎和心内膜炎年龄标准化死亡率数据，覆盖 47 个亚洲国家，时间跨度为 2000 至 2021 年，共 1,034 条观测记录
基本信息
资源简介
亚洲心肌病心肌炎心内膜炎年龄标准化死亡率数据集
electricsheepasia/asia-owid-death-rate-from-cardiomyopathy-myocarditis-endocarditis-who-ghe-age-standardized
该数据集包含来自 Our World in Data 的亚洲地区心肌病、心肌炎和心内膜炎年龄标准化死亡率数据，覆盖 47 个亚洲国家，时间跨度为 2000 至 2021 年，共 1,034 条观测记录。数据以 parquet 格式提供训练集和测试集文件，适用于表格分类、表格回归和时间序列预测等任务，可用于分析亚洲各国心血管疾病死亡率的时空分布与趋势（来源 Hugging Face，cc-by-4.0 许可）。
【数据集背景】
本数据集源站标题为《asia-owid-death-rate-from-cardiomyopathy-myocarditis-endocarditis-who-ghe-age-standardized》。源站首次发布：2026-06-03。
【数据结构与技术规格】
文件数 2 个，合计 15.70 KB。
【主题与分类】
主题标签：tabular、asia、our-world-in-data、owid。本站分类：心血管系统疾病/心肌病。
【获取与许可】
源站页面：https://huggingface.co/datasets/electricsheepasia/asia-owid-death-rate-from-cardiomyopathy-myocarditis-endocarditis-who-ghe-age-standardized
使用许可：cc-by-4.0。
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("electricsheepasia/asia-owid-death-rate-from-cardiomyopathy-myocarditis-endocarditis-who-ghe-age-standardized")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/electricsheepasia/asia-owid-death-rate-from-cardiomyopathy-myocarditis-endocarditis-who-ghe-age-standardized
数据集大小约 31.4 KB。
仓库文件结构
.gitattributesREADME.md
数据说明
Electric Sheep Asia (2025). asia-owid-death-rate-from-cardiomyopathy-myocarditis-endocarditis-who-ghe-age-standardized [Dataset]. https://huggingface.co/datasets/electricsheepasia/asia-owid-death-rate-from-cardiomyopathy-myocarditis-endocarditis-who-ghe-age-standardized
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。
