增强型心血管疾病数据集(含数据增强)

200万合成样本,基于VAE-GAN增强,用于心血管疾病预测的表格数据集。

Lopez-Saynes, Jose L.; Hernández-de-León, Héctor R.; Escobar-Gomez, Elías N.; Morales-Navarro, Néstor A.Lopez-Saynes, Jose L.; Hernández-de-León, Héctor R.; Escobar-Gomez, Elías N.; Morales-Navarro, Néstor A.
IEEE
浏览 16
表格心血管疾病表格数据
Enhanced Cardiovascular Disease Dataset with Data Augmentation

基本信息

模态
表格
创建/更新时间
2026-10-19

资源简介

增强型心血管疾病数据集(含数据增强)

【数据内容】

源站原始描述:This dataset comprises 2 million synthetic samples generated using the Variational Autoencoder-Generative Adversarial Network (VAE-GAN) technique. The dataset is designed to facilitate cardiovascular disease prediction through various demographic, physical, and health-related attributes. It contains essential physiological and behavioral indicators that contribute to cardiovascular health.Dataset Description The dataset consists of the following features:Age (int, days): The age of the individua…

中文译文(机器翻译,仅供快速理解,请以原文为准):该数据集包含使用变分自编码器-生成对抗网络(VAE-GAN)技术生成的200万个合成样本。该数据集旨在通过多种人口统计学、身体和健康相关属性,促进心血管疾病预测。它包含有助于心血管健康的重要生理和行为指标。数据集描述 该数据集由以下特征组成:年龄(整数,天):个体的年龄。

【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/enhanced-cardiovascular-disease-dataset-data-augmentation-0

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/enhanced-cardiovascular-disease-dataset-data-augmentation-0

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