弗雷明汉心血管疾病数据集

弗雷明汉心脏研究数据集,用于基于人口统计和临床特征预测10年冠心病风险,包含4000余条结构化记录,支持分类任务。

IEEE DataPortIEEE DataPort
DataCite Commons
2026-04-12 更新
浏览 21
表格心血管疾病表格
Framingham CVD Dataset

基本信息

模态
表格
大小
0.000298 GB
创建/更新时间
2026-04-12

资源简介

弗雷明汉心血管疾病数据集

【数据内容】

源站原始描述:The Framingham Heart Study dataset is widely used for cardiovascular risk prediction and contains over 4,000 patient records with demographic, behavioral, and clinical attributes. In total, the dataset contains 16 columns and 15 attributes. The primary objective is to estimate the 10-year risk of coronary heart disease (CHD) using features such as age, blood pressure, cholesterol, smoking habits, and diabetes status. The dataset supports supervised classification tasks and provides a reliable be…

中文译文(机器翻译,仅供快速理解,请以原文为准):Framingham Heart Study 数据集广泛用于心血管风险预测,包含 4,000 多份患者记录,涵盖人口统计学、行为和临床特征。该数据集总共包含 16 列和 15 个属性。主要目标是利用年龄、血压、胆固醇、吸烟习惯和糖尿病状况等特征,估计冠状动脉心脏病(CHD)的 10 年风险。该数据集支持监督分类任务,并为评估医疗保健中的机器学习模型提供了可靠基准。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面:https://ieee-dataport.org/documents/framingham-cvd-dataset

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://ieee-dataport.org/documents/framingham-cvd-dataset

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。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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。

获取专属数据定制方案