肥厚型心肌病患者闭环心动周期仿真数据集
该数据集包含肥厚型心肌病患者个体化四腔心模型的闭环心动周期仿真结果,每个样本对应一个心动周期。该数据可用于研究肥厚型心肌病中的功能重塑与心脏性能决定因素,支持患者个体化建模、心脏数字孪生及全局敏感性分析等计算心脏病学研究(来源 doi.org)

基本信息
资源简介
肥厚型心肌病患者闭环心动周期仿真数据集
该数据集包含肥厚型心肌病患者个体化四腔心模型的闭环心动周期仿真结果,每个样本对应一个心动周期。仿真采用CARP(Cardiac Arrhythmia Research Package)运行四腔心电机械模型,并耦合闭环CircAdapt循环系统,以时间序列形式记录血流动力学数据,包括各腔室压力与容积(cav.LV.csv、cav.RV.csv、cav.LA.csv、cav.RA.csv)、瓣膜流量与状态(valve.*.csv)以及动静脉相关数据。该数据可用于研究肥厚型心肌病中的功能重塑与心脏性能决定因素,支持患者个体化建模、心脏数字孪生及全局敏感性分析等计算心脏病学研究(来源 doi.org)。
【主题与分类】
主题标签:Cardiomyopathy, Hypertrophic、HCM、cardiac electromechanics、four-chamber heart model、Patient-Specific Modeling、patient-specific modelling、cardiac digital twin、computational cardiology、global sensitivity analysis、finite element simulation。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://doi.org/10.5281/zenodo.21822518
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://doi.org/10.5281/zenodo.21822518
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
如果您使用了本数据集,请将其与Rodero等人的原始出版物一并引用:“计算模型表明,在肥厚型心肌病中,功能重塑而非解剖结构重塑了心脏性能的生理决定因素”,《分子与细胞心脏病学杂志》(2026)" https://doi.org/10.1016/j.yjmcc.2026.08.002。肥厚型心肌病患者特异性四腔心模型的闭环心动周期模拟(见相关出版物和数据集)。每个样本一个心动周期。四腔心电机械模型使用心脏心律失常研究软件包(CARP)运行,并与闭环CircAdapt循环耦合,血流动力学以时间序列记录:腔室压力和容积(cav.LV.csv、cav.RV.csv、cav.LA.csv、cav.RA.csv),瓣膜流量和状态(valve.*.csv),动脉和静脉段压力、容积和流量(tube.*.csv),以及外周循环变量(periphery.SR.csv、periphery.PR.csv)。提供了简化的纤维级时间序列,包括拉伸、拉伸速率、主动张力和跨膜电压(Lambda.tdat、LambdaDot.tdat、Tension.tdat、vm.tdat)。
为保持存档轻便,已移除较大的逐节点空间场文件(.igb)和位移场文件(x.dynpt),但可根据请求提供。每个样本文件夹中还包含输入参数及其值(parameters.par)。
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。




