55项ECG心律失常检测可解释AI研究的特征提取与编码数据集
该数据集收录了55项关于可解释人工智能（XAI）方法应用于心电图（ECG）心律失常检测研究的提取与编码特征，覆盖2021至2025年，经符合PRISMA 2020的Web of Science检索识别
基本信息
资源简介
55项ECG心律失常检测可解释AI研究的特征提取与编码数据集
Extracted and coded characteristics of 55 studies on explainable AI for ECG-based arrhythmia detection
该数据集收录了55项关于可解释人工智能（XAI）方法应用于心电图（ECG）心律失常检测研究的提取与编码特征，覆盖2021至2025年，经符合PRISMA 2020的Web of Science检索识别。每条记录包含引文键、标题、发表年份、期刊、数据来源、训练/测试结构、外部验证状态、XAI方法与验证方式、临床医生验证/评估状态及所针对的心律失常类型，并附编码方法说明表。数据可用于复现该综述的分类体系与PROBAST方法学质量评价，也可支撑XAI在ECG领域的方法学比较研究（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2026-09-29。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含一项系统综述与文献计量分析所纳入的55项研究的提取与编码特征，这些研究涉及应用于心电图（ECG）数据以进行心律失常检测的可解释人工智能（XAI）方法（2021-2025年），通过符合PRISMA 2020的Web of Science数据库检索识别。对于每项研究，数据集记录引文键、标题、发表年份、期刊、数据来源、训练/测试结构、外部验证状态、XAI方法与验证方式、临床医生验证/评估状态以及所针对的心律失常类型。附表中记录了所使用的编码方法与标准。该数据集支持相关手稿中呈现的分类体系和改编自PROBAST的方法学质量评价。
【数据结构与技术规格】
文件数 1 个，合计 18.51 KB。数据集 DOI：10.17632/cmd9fh85s4.1。
【主题与分类】
主题标签：可解释人工智能、ECG、心律失常检测、系统综述、文献计量分析、PRISMA 2020、PROBAST。本站分类：循环系统疾病/其他。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/cmd9fh85s4
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://data.mendeley.com/datasets/cmd9fh85s4
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 18.5 KB。
数据说明
(2026). Extracted and coded characteristics of 55 studies on explainable AI for ECG-based arrhythmia detection [Dataset]. http://doi.org/10.17632/cmd9fh85s4.1
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。
