植入式心脏监测下隐源性卒中后房颤检测预测因素
该数据集来自 search.dataone.org，聚焦隐源性卒中（CS）患者植入式心脏监测后无症状阵发性房颤（AF）的检测预测因素
基本信息
资源简介
植入式心脏监测下隐源性卒中后房颤检测预测因素
Predictors of Atrial Fibrillation Detection After Cryptogenic Stroke in Patients with Implantable Cardiac Monitoring
该数据集来自 search.dataone.org，聚焦隐源性卒中（CS）患者植入式心脏监测后无症状阵发性房颤（AF）的检测预测因素。研究为回顾性队列研究，纳入 2019 年 4 月至 2021 年 4 月在 Thomas Jefferson University Hospital 接受植入式心脏监测的 CS 患者（n=282），排除卒中后 1 年或既往房颤者（n=64）。数据收集了人口学与临床特征，并比较卒中后 1 年内检出与未检出房颤的患者，可用于分析房颤检测的相关风险因素（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：隐源性卒中（CS）患者常规使用植入式循环记录仪（ILR）筛查无症状阵发性心房颤动（AF）。然而，与 CS 后 AF 检测相关的风险因素尚不明确。本研究对 2019 年 4 月至 2021 年 4 月在 Thomas Jefferson University Hospital 接受植入式心脏监测的 CS 患者进行了回顾性队列研究（n=282）。排除标准为 CS 后 1 年，或既往存在心房颤动（AF）（n=64）。收集了人口统计学和特征，并比较了卒中后 1 年内检出和未检出 AF 的患者。
【主题与分类】
主题标签：Electrophysiology、Cryptogenic Stroke、Medicine, Health and Life Sciences、Implantable Loop Recorder、Atrial Fibrillation。本站分类：循环系统疾病/其他。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Ad9b8a206ab19e7b2d53713ede8484c4c99c2db857ac8df2b835b8d52cb179f02
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
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
隐源性卒中（CS）患者常规使用植入式循环记录仪（ILR）筛查无症状性阵发性心房颤动（AF）。然而，CS后与AF检出相关的危险因素尚不明确。一项回顾性队列研究纳入了2019年4月至2021年4月在托马斯·杰斐逊大学医院接受植入式心脏监测的CS患者（n=282）。排除标准为随访数据不足6个月、CS后超过1年才植入ICM，或既往存在心房颤动（AF）（n=64）。收集了人口统计学和临床特征，并比较了卒中后1年内检出AF与未检出AF的患者。
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。
