心脏病
心脏病泛指影响心脏结构、功能及传导系统的多种疾病，其中以冠状动脉粥样硬化性心脏病最为常见，主要因冠状动脉粥样硬化斑块形成导致管腔狭窄或闭塞，引发心肌缺血缺氧。典型临床表现包括胸骨后压榨性疼痛、心悸、呼吸困难、乏力，病情进展可致急性心肌梗死、心力衰竭甚至心脏性猝死。诊断依靠心电图、超声心动图、心肌标志物及冠脉造影等检查。治疗策略包括抗血小板、调脂、β受体阻滞剂等药物管理，以及经皮冠状动脉介入治疗、冠状动脉旁路移植术等血运重建手段。心脏病是全球疾病负担最重的慢性病之一，其预防、早期筛查及精准诊疗始终是临床与转化医学研究的核心方向。
获取 心脏病 专属定制方案心脏病UCI数据集
该数据集为包含患者临床属性（如年龄、血压、胆固醇等）的表格数据，主要用于心脏病预测和分类研究，通过机器学习模型支持医疗诊断与健康风险分析。
心脏病数据集
该数据集是一个合成医疗数据集，包含患者临床表格数据，如年龄、血压和心电图结果等，用于心脏病分析与预测模型的研究，支持医疗数据挖掘和机器学习应用。
心脏病数据集（克利夫兰UCI）
该数据集是一个包含302名患者临床诊断测量数据的表格数据集，涵盖了年龄、性别、胸痛类型、血压、胆固醇等13个特征以及一个二元分类目标变量，用于预测心脏病的存在与否。它源自经典的UCI克利夫兰心脏病数据集，经过清理和增强，去除了重复记录并添加了可读标签，主要应用于心血管疾病风险预测、机器学习模型评估和临床决策支持系统的研究。
埃尔比勒心脏病数据集
该数据集是一个包含333名患者信息的临床表格数据集，涵盖了人口统计学、病史、体格检查、实验室测试和诊断特征等多模态数据，主要用于心脏病预测和医学研究，通过收集自伊拉克埃尔比勒一家医院的真实患者数据，支持机器学习模型在心血管疾病诊断和风险分析中的应用。
冠心病预防数据集
该数据集是一个关于冠心病预防的医学研究数据集，其数据模态主要包括临床表格、文献分析摘要和风险因素统计表，内容涵盖生活方式、代谢指标及预防措施效果等多维度信息，主要用于心血管疾病的风险因素分析、预防策略制定以及相关公共卫生干预研究。
心脏病早期风险检测数据集
该数据集是一个包含患者生命体征测量数据的结构化临床表格数据集，涵盖年龄、性别、血氧饱和度、心率、体温等6个生理特征，用于心脏病早期风险的三分类预测任务。数据集来源于医院环境收集的匿名化生理数据，主要应用于机器学习模型开发、健康分析研究以及医疗监测系统的构建，特别适用于心血管疾病风险预测和早期预警系统的研究与开发。
BIDMC充血性心力衰竭心电图数据集
该数据集包含贝斯以色列女执事医疗中心收集的充血性心力衰竭患者心电图信号，数据模态为时间序列生理信号，主要用于研究心力衰竭的心电特征、开发心律失常检测算法以及辅助临床诊断，适用于心脏电生理分析和医疗人工智能模型训练。
合成心脏病数据集
该数据集是一个包含合成患者临床信息的表格数据集，涵盖年龄、性别、血压、胆固醇及心电图等多模态指标，主要用于心脏病风险预测、诊断辅助模型训练以及医疗数据分析算法的研究与验证。
冠状动脉心脏病数据集
该数据集是一个包含1,841个样本的医学数据集，数据模态为分类变量表格，涵盖了吸烟、工作强度、血压、脂蛋白比例和家族史等6个冠状动脉心脏病的风险因素，主要用于因果发现算法的研究以及医学数据分析与疾病风险评估。
UCI心脏病数据集
该数据集是一个包含多中心临床记录的心脏病诊断数据集，数据模态为结构化临床表格，涵盖年龄、性别、血压、胆固醇、心电图等多项患者指标，主要用于开发心脏病预测的机器学习模型、分析心血管疾病风险因素以及构建医疗辅助诊断系统。
心脏病预测
该数据集为临床表格数据，包含13个临床特征（如年龄、血压、胆固醇等）及二进制分类标签，用于基于机器学习的心脏病风险预测研究，旨在辅助医疗诊断与健康管理决策。
心脏疾病脏数据集
该数据集是一个包含心脏疾病患者临床特征和诊断指标的结构化表格数据，专门设计为存在缺失值、噪声和不一致性的脏数据集，主要用于数据清洗、异常检测和机器学习鲁棒性研究，以评估医疗数据分析中预处理算法的效果。