难治性心室颤动亚型的深度学习分类：临床意义
该数据集来自 Harvard Dataverse，主题为难治性心室颤动亚型的深度学习分类及其临床意义，涉及心脏骤停、人工智能、机器学习与心室颤动等方向
基本信息
资源简介
难治性心室颤动亚型的深度学习分类：临床意义
Deep Learning Classification of Refractory Ventricular Fibrillation Subtypes: Clinical Implications
该数据集来自 Harvard Dataverse，主题为难治性心室颤动亚型的深度学习分类及其临床意义，涉及心脏骤停、人工智能、机器学习与心室颤动等方向。源站描述指出，随着人工智能工具日益普及，分析患者特异性实时生理数据出现了新机会，研究展示了一种“analyze-through-CPR”节律识别算法，可在持续复苏过程中、无需按常规暂停胸外按压进行分析的情况下，从患者生物信号中识别不同的心脏骤停表型。此类方法最终可能通过为施救者提供实时洞察，支持个体化复苏并优化针对患者的干预（来源 DOI 解析）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：随着人工智能工具变得越来越易于获取，分析患者特异性实时生理数据的新机会已经出现。我们证明，一种“analyze-through-CPR”节律识别算法能够在持续复苏过程中、无需按常规暂停胸外按压以进行分析的情况下，从患者生物信号中识别出不同的心脏骤停表型。最终，此类方法可能通过为施救者提供实时洞察，为个体化复苏提供支持，从而指导和优化针对患者的干预。
【主题与分类】
主题标签：Computer and Information Science、Medicine, Health and Life Sciences、cardiac arrest、artificial intelligence、machine learning、ventricular fibrillation。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/ZHPA8Q
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/10.7910/DVN/ZHPA8Q
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:
数据集大小约 11.4 MB。
数据说明
随着人工智能工具日益普及，分析患者特异性实时生理数据的新机遇已经出现。我们证明，一种“analyze-through-CPR”心律识别算法能够在持续复苏过程中，从患者生物信号中识别出不同的心脏骤停表型，而无需为了分析按惯例暂停胸外按压。最终，此类方法或可通过为施救者提供实时洞见，以指导和优化针对患者个体的干预措施，从而实现个体化复苏。
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。
