用于心力衰竭疾病分层的多模态可穿戴平台

数据集获取

源站：https://clinicaltrials.gov/study/NCT06335264

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。

数据说明

疾病：心力衰竭。心力衰竭（HF）是一种多层面且危及生命的综合征，其特征为显著的发病率和死亡率、功能能力和生活质量差以及高昂的费用。对于某些人群，如行动不便者和老年人，后勤和经济上的困难使得心力衰竭筛查具有挑战性。传感器技术和数据处理算法，包括人工智能，为系统性地识别心力衰竭患者提供了机会，可作为超声心动图的补充工具。利用可穿戴数据通过复杂模型计算数字生物标志物的能力，需要确定与心力衰竭存在相关的关键参数。多感官可穿戴设备可用于开发用于心力衰竭人群筛查的数字生物标志物。本研究旨在评估可穿戴设备的最佳信号，以识别与心力衰竭最相关的数字信号（即数字生物标志物），包括所有射血分数类型。在这项研究中，研究人员将招募27名心力衰竭参与者和27名非心力衰竭参与者。

本研究的主要目标是分析平台设备记录的关键生理参数，这些参数可用于开发数字生物标志物，以识别是否存在流行性心力衰竭及其标志物，如NTproBNP、KCCQ和6MWD。

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。