预测心力衰竭患者生存情况数据集
该数据集来自 kaggle.com，收录 299 名心力衰竭患者在随访期间的医疗记录，每名患者包含 13 个临床特征，特征类型为整数与实数
基本信息
资源简介
预测心力衰竭患者生存情况数据集
Predict survival of patients with heart failure
该数据集来自 kaggle.com，收录 299 名心力衰竭患者在随访期间的医疗记录，每名患者包含 13 个临床特征，特征类型为整数与实数。数据集为多变量数据，面向健康与医学领域，可支持分类、回归与聚类任务，适用于构建预测心力衰竭患者生存情况的模型。数据集由 Rabie El Kharoua 发布，包含 1 个 CSV 文件，相关细节可参考作者 Davide Chicco 与 Giuseppe Jurman 的论文（来源 Kaggle，Attribution 4.0 International (CC BY 4.0) 许可）。
【数据集背景】
源站首次发布：2024-04-25。
【数据内容】
源站描述（机器翻译，仅供参考）：快速开始 🚀： 如果你不打算读完所有内容，请直接前往文件部分。在那里，你会找到文件及所需全部变量的详细说明。该数据集包含 299 名心力衰竭患者在随访期间收集的医疗记录，每名患者的档案有 13 个临床特征。数据集特征： 多变量 学科领域： 健康与医学 相关任务： 分类、回归、聚类 特征类型： 整数、实数 实例数： 299 特征数： 12 数据集信息 数据集的详细描述可在以下论文的数据集部分找到：标题： Machine learning can predict survival of patients with heart failure from serum creatinine and ejection fraction alone 作者： Davide Chicco Giuseppe Jurman 来源： BMC Medical Informatics a
【数据结构与技术规格】
文件数 1 个，合计 12.24 KB。
【主题与分类】
主题标签：classification、heart conditions、regression、synthetic、clustering。本站分类：循环系统疾病/心力衰竭。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/rabieelkharoua/predict-survival-of-patients-with-heart-failure
使用许可：Attribution 4.0 International (CC BY 4.0)。
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。
需登录公开下载
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。
暂未开放有偿下载
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://kaggle.com/datasets/rabieelkharoua/predict-survival-of-patients-with-heart-failure
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据集大小约 12.2 KB。
数据说明
Rabie El Kharoua (2024). Predict survival of patients with heart failure [Dataset]. https://www.kaggle.com/datasets/rabieelkharoua/predict-survival-of-patients-with-heart-failure
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。
