Cardic SPECT 心脏成像数据集
主题标签：心血管系统疾病、冠状动脉疾病、SPECT、SPECTF、心脏成像。本站分类：心血管系统疾病/冠状动脉疾病。本数据集为心血管系统疾病领域公开数据集，主题涵盖心血管系统疾病。
基本信息
资源简介
Cardic SPECT 心脏成像数据集
Cardic SPECT imaging data set 是一个面向心血管系统疾病领域的公开数据集，本站将其归类于心血管系统疾病下的冠状动脉疾病方向。该数据集的主题标签涵盖心血管系统疾病、冠状动脉疾病、SPECT、SPECTF 与心脏成像，源站描述指向 UCI Machine Learning Repository 发布的 SPECT and SPECTF Heart Data Set，数据托管于 kaggle.com。整体来看，该数据集围绕心脏 SPECT 与 SPECTF 成像展开，属于医学影像与心血管疾病交叉的公开数据资源，可供关注冠状动脉疾病相关心脏成像数据的研究者与学习者获取使用。以下依据可获得的信息，对该数据集的相关方面作分项说明。
【数据集背景】
该数据集的主题背景为心血管系统疾病，具体落在冠状动脉疾病方向。其核心内容与 SPECT、SPECTF 两类心脏成像相关，源站描述将其标识为 UCI Machine Learning Repository 的 SPECT and SPECTF Heart Data Set。数据集以心脏成像数据为载体，服务于心血管系统疾病领域的数据公开与共享。关于该数据集最初的建设动机、临床背景与研究目标，源站未提供。
【数据内容】
该数据集的主题标签包括心血管系统疾病、冠状动脉疾病、SPECT、SPECTF 与心脏成像，本站分类为心血管系统疾病 / 冠状动脉疾病。由此可知，数据内容围绕心脏 SPECT 与 SPECTF 成像展开。关于具体的样本数量、特征字段、标签定义、数据格式与文件组织方式，源站未提供。
【采集与来源】
该数据集来源于 kaggle.com，源站描述指向 UCI Machine Learning Repository 发布的 SPECT and SPECTF Heart Data Set。关于原始数据的采集机构、采集时间、采集设备、采集流程与受试者来源等信息，源站未提供。
【适用场景】
结合其主题标签与本站分类，该数据集适用于心血管系统疾病、冠状动脉疾病相关的心脏成像数据分析场景，也可用于围绕 SPECT 与 SPECTF 成像数据的机器学习与数据科学研究。关于具体的任务类型、评价指标与推荐应用方向，源站未提供。
【使用方法】
该数据集托管于 kaggle.com，可通过该来源获取。关于数据加载方式、字段说明、预处理步骤与使用示例，源站未提供。
【质量与限制】
该数据集的许可信息显示为 Unknown，未给出具体许可名称与许可链接。关于数据规模、标注质量、缺失情况、偏倚与适用范围等质量与限制方面的具体说明，源站未提供。
【引用与许可】
该数据集的源站描述指向 UCI Machine Learning Repository 的 SPECT and SPECTF Heart Data Set，使用时应按源站要求进行引用。许可信息为 Unknown，未提供许可名称与许可链接，具体使用条款与引用格式源站未提供。
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。
需登录公开下载
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。
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://kaggle.com/aditya1711/cardic-spect-imaging-data-set/code
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 241.4 KB。
数据说明
Cardic SPECT imaging data set
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
