基于AI的心动过速鉴别诊断与定位:多中心注册研究(EP-AI ASSIST)

该数据集来自clinicaltrials.gov的多中心回顾性注册研究,聚焦心动过速、阵发性室上性心动过速、Wolff-Parkinson-White综合征、室性早搏和室性心动过速等心律失常

Inha University HospitalInha University Hospital
clinicaltrials
浏览 14
时间序列分类TachycardiaParoxysmal Supraventricular TachycardiaWolff-Parkinson-White SyndromePremature Ventricular ContractionsVentricular Tachycardia
AI-Based Differential Diagnosis and Localization of Tachycardia Using ECG: Multicenter Registry (EP-AI ASSIST)

基本信息

模态
时间序列
任务类型
分类
创建/更新时间
2026-10-07

资源简介

基于AI的心动过速鉴别诊断与定位:多中心注册研究(EP-AI ASSIST)

该数据集来自clinicaltrials.gov的多中心回顾性注册研究,聚焦心动过速、阵发性室上性心动过速、Wolff-Parkinson-White综合征、室性早搏和室性心动过速等心律失常。数据以加密的原始12导联ECG文本数据为核心,结合深度神经网络模型,用于开发、验证并临床应用AI驱动的ECG算法,以实现心血管疾病(包括冠状动脉疾病和心力衰竭)的诊断与预后预测,评估AI增强ECG在检测心脏异常和预测临床结局方面的效果(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:心动过速、阵发性室上性心动过速、Wolff-Parkinson-White综合征、室性早搏、室性心动过速。这项多中心回顾性研究旨在开发、验证并临床应用一种人工智能(AI)驱动的心电图(ECG)算法,用于心血管疾病(包括冠状动脉疾病和心力衰竭)的诊断和预后预测。通过利用加密的原始12导联ECG文本数据和深度神经网络模型,该研究评估AI增强ECG在检测心脏异常和预测临床结局方面的有效性。

【主题与分类】

主题标签:Tachycardia、Paroxysmal Supraventricular Tachycardia、Wolff-Parkinson-White Syndrome、Premature Ventricular Contractions、Ventricular Tachycardia。本站分类:循环系统疾病/心力衰竭。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07859020

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://clinicaltrials.gov/study/NCT07859020

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

条件:心动过速、阵发性室上性心动过速、Wolff-Parkinson-White综合征、室性早搏、室性心动过速。这项多中心回顾性研究旨在开发、验证并临床应用一种人工智能(AI)驱动的心电图(ECG)算法,用于心血管疾病(包括冠状动脉疾病和心力衰竭)的诊断和预后预测。通过利用加密的原始12导联ECG文本数据和深度神经网络模型,该研究评估了AI增强ECG在检测心脏异常和预测临床结局方面的有效性。

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。

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