使用生物识别设备与技术的健康电子风险评估与趋势研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT06753045

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病：心脏病。HEARTBEAT项目的中心假设是，心血管事件发生前，智能手表获取的生物特征信号会出现异常。这些异常可能包括但不限于心率、心率变异性、血氧饱和度以及原始PPG信号的模式。通过在智能手表衍生的生物特征数据上利用高级分析和机器学习算法，研究人员计划识别出预示心血管疾病风险增加的模式和标志物。该研究将采用端到端的去中心化方法进行数据收集。电子数据采集（EDC）机构Huma和Alcedis将作为数据存储的促进者，为10，000名符合条件的受试者提供服务。主要研究者（PIs）和经过培训的研究中心工作人员将根据其临床意见评估健康受试者。如果受试者符合入选标准并有兴趣参与，他们将在Tulane进行知情同意。

在研究入组阶段，将为受试者提供一款智能手表，随后对他们进行研究流程、网络问卷及可穿戴设备使用的培训。受试者将被要求佩戴该设备一年，之后需将其归还给杜兰大学。

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。