移动心电图监测用于检测儿童心律失常
该数据集来自 clinicaltrials.gov,聚焦于使用移动心电图监测检测儿童心律失常。覆盖人群为儿童,涉及先天性心脏病、心源性猝死及诊断相关疾病

基本信息
资源简介
移动心电图监测用于检测儿童心律失常
该数据集来自 clinicaltrials.gov,聚焦于使用移动心电图监测检测儿童心律失常。覆盖人群为儿童,涉及先天性心脏病、心源性猝死及诊断相关疾病。儿童心悸最常见的最终诊断为室上性心动过速(SVT),部分由旁路引起者需治疗,其他类型心律失常较少危及生命,治疗取决于症状负担。部分 SVT 可能是潜在心脏病的首发表现,儿童期早发心房颤动常提示遗传性病理,需进一步检查。数据可用于心律失常的识别与分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:心律失常、心脏、仅儿童、先天性心脏病、心源性猝死、诊断疾病。晕厥和心悸是儿科心脏病学中最常见的转诊原因之一,见于有或无结构性心脏病的患者。在有心悸的儿童中,室上性心动过速(SVT)是最常见的最终诊断。虽然一些由旁路存在引起的 SVT 被强烈建议治疗,但其他形式的心律失常很少危及生命,治疗取决于症状负担。一些 SVT 可能是潜在心脏病的首发表现。例如,儿童期早发心房颤动通常提示遗传性病理,因此需要进一步检查。除了需要精确诊断以选择适当的管理和治疗外,未被识别的阵发性 SVT 已被证明导致
【主题与分类】
主题标签:Arrhythmias, Cardiac、Children, Only、Congenital Heart Disease、Sudden Cardiac Death、Diagnoses Disease。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05140343
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://clinicaltrials.gov/study/NCT05140343
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
条件:心律失常、心脏、仅儿童、先天性心脏病、心源性猝死、疾病诊断。晕厥和心悸是儿科心脏病学中最常见的转诊原因之一,患者可能伴有或不伴有结构性心脏病。在有心悸的儿童中,室上性心动过速(SVT)是最常见的最终诊断。虽然某些由旁路存在引起的SVT强烈建议治疗,但其他类型的心律失常很少危及生命,治疗取决于症状负担。一些SVT可能是潜在心脏病的首发表现。例如,儿童期早期发作的心房颤动通常提示遗传性病理,因此需要进一步检查。除了需要精确诊断以选择适当的管理和治疗外,未被识别的阵发性SVT已被证明会导致误诊,模仿精神疾病的症状。然而,采用当前的诊断工具和方案,仅在10%至15%的心悸儿童中发现潜在的心律失常。
晕厥在儿童中通常为良性,但可能是严重疾病的首个警示信号。尽管进行了大量检查和花费,准确诊断晕厥的潜在原因仍具有挑战性。潜在致命性心律失常的理论可能性显著增加了青少年及其家庭的心理健康挑战。心源性猝死(SCD)在儿童和青少年中罕见但具有毁灭性。在先天性心脏病(CHD)患者中,晕厥和心悸更应引起高度重视。由于既存的解剖结构改变以及为矫正这些改变所必需的外科治疗,这些患者发生心律失常的总体风险更高。在许多病例中,心律失常在生命早期即出现,有时SCD是疾病表现的首个症状。为研究心悸和晕厥的起源,通常进行12导联心电图(ECG)和24小时Holter监测。在h
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。




