无袖带血压估计
该数据集的主要目标是为设计无袖带血压估计算法提供干净有效的信号。原始心电图 (ECG)，光电容积描记仪 (PPG) 和动脉血压 (ABP) 信号最初是从th e physionet.org收集的，然后对其进行一些预处理…
基本信息
资源简介
无袖带血压估计
【一句话概览】
该数据集旨在为无袖带血压估计算法提供干净有效的信号，原始心电图、光电容积描记仪和动脉血压信号采集自physionet.org，并经过预处理和验证。数据库由矩阵的单元格数组组成，每个单元格为一条记录，每行对应一个信号通道：PPG信号、ABP信号和心电信号，采样率均为125Hz。数据集分成多个部分便于低内存机器加载，同一患者的记录相邻，建议采用N倍交叉验证以减少训练与测试患者的污染（来源 opendatalab.org.cn）。
【数据集背景】
本数据集源站标题为《Cuff-Less Blood Pressure Estimation》。
【数据内容】
源站原始描述：该数据集的主要目标是为设计无袖带血压估计算法提供干净有效的信号。原始心电图 (ECG)，光电容积描记仪 (PPG) 和动脉血压 (ABP) 信号最初是从th e physionet.org收集的，然后对其进行一些预处理和验证。(有关该过程的更多信息，请参阅我们的论文) 属性信息: 该数据库由矩阵的单元格数组组成，每个单元格是一个记录部分。在每个矩阵中，每行对应一个信号通道: 1: PPG信号，FS = 125Hz; 来自指尖的光电容积描记仪 2: ABP信号，FS = 125Hz; 有创动脉血压 (mmHg) 3: 心电信号，FS = 125Hz; 来自通道II的心电图 注意: 数据集被分成多个部分，以便更容易在内存低的机器上加载。每个单元格都是一个记录。每个患者可能有多个记录 (无法区分)。但是，同一患者的记录彼此相邻。建议进行N倍交叉测试和火车，以减少火车被测试患者污染的机会。
中文译文（机器翻译，仅供快速理解，请以原文为准）：该数据集的主要目标是为设计无袖带血压估计算法提供干净有效的信号。原始心电图 (ECG)、光电容积描记仪 (PPG) 和动脉血压 (ABP) 信号最初是从 physionet.org 收集的，然后对其进行了一些预处理和验证。（有关该过程的更多信息，请参阅我们的论文）属性信息：该数据库由矩阵的单元格数组组成，每个单元格是一个记录部分。在每个矩阵中，每行对应一个信号通道：1：PPG信号，FS = 125Hz；来自指尖的光电容积描记仪 2：ABP信号，FS = 125Hz；有创动脉血压 (mmHg) 3：心电信号，FS = 125Hz；来自通道II的心电图 注意：数据集被分成多个部分，以便更容易在内存低的机器上加载。每个单元格都是一个记录。每个患者可能有多个记录（无法区分）。但是，同一患者的记录彼此相邻。建议进行N倍交叉测试和训练，以减少训练被测试患者污染的机会。
【主题与分类】
主题标签：ECG、PPG、ABP、血压估计、无袖带血压、生理信号。
【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://opendatalab.org.cn/OpenDataLab/Cuff-Less_Blood_Pressure_etc
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
源站：https://opendatalab.org.cn/OpenDataLab/Cuff-Less_Blood_Pressure_etc
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
该数据集旨在为无袖带血压估计算法提供预处理后的干净生理信号，包含心电图(ECG)、光电容积描记图(PPG)和动脉血压(ABP)信号，采样率为125Hz。数据来源于PhysioNet，经预处理和验证，适用于血压估计研究。
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。
