短单导联心电图房颤分类：2017年PhysioNet/计算心脏病学挑战赛
2017年PhysioNet/CinC挑战赛旨在鼓励开发算法，以便从单一短时心电图导联记录（长度为30秒至60秒）中分类判断该记录显示的是正常窦性心律、心房颤动（AF）、替代性心律，还是因噪声过大而无法分类
基本信息
资源简介
短单导联心电图房颤分类：2017年PhysioNet/计算心脏病学挑战赛
2017年PhysioNet/CinC挑战赛旨在鼓励开发算法，以便从单一短时心电图导联记录（长度为30秒至60秒）中分类判断该记录显示的是正常窦性心律、心房颤动（AF）、替代性心律，还是因噪声过大而无法分类
challenge-2017
【数据集背景】
本数据集源站标题为《AF Classification from a Short Single Lead ECG Recording: The PhysioNet/Computing in Cardiology Challenge 2017》。
【数据内容】
源站描述（机器翻译，仅供参考）：2017年PhysioNet/CinC挑战赛旨在鼓励开发算法，以便从单一短时心电图导联记录（长度为30秒至60秒）中分类判断该记录显示的是正常窦性心律、心房颤动（AF）、替代性心律，还是因噪声过大而无法分类。
【主题与分类】
主题标签：心电信号、单导联、短时记录、心律失常、房颤识别、信号分类、多类分类、噪声检测。本站分类：循环系统疾病/其他。
【获取与许可】
源站页面：https://physionet.org/content/challenge-2017/
使用许可：Open Data Commons Attribution License v1.0。
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。
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（PhysioNet）
- 源站标题：AF Classification from a Short Single Lead ECG Recording: The PhysioNet/Computing in Cardiology Challenge 2017
- 版本：1.0.0
- DOI：10.22489/CinC.2017.065-469
- 源站页面：https://physionet.org/content/challenge-2017/1.0.0
PhysioNet 数据需注册账号（机构邮箱）并签署数据使用协议后下载：
- 在 https://physionet.org/content/challenge-2017/1.0.0 页面登录并接受许可条款；
- 命令行整目录下载：
wget -r -N -c -np --user=<账号> --ask-password https://physionet.org/files/challenge-2017/1.0.0/
- 或用官方工具（推荐，支持断点续传与校验）：
pip install physionet-download
physionet-download challenge-2017
数据集大小约 1.44 GB。
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。
数据说明
提交一份关于你在挑战赛中所做工作的合格摘要（约299词），提交至
许可
Creative Commons Attribution License 3.0 (
引用
学术使用请引用：PhysioNet. AF Classification from a Short Single Lead ECG Recording: The PhysioNet/Computing in Cardiology Challenge 2017. DOI 10.22489/CinC.2017.065-469。
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。
