AI-ECG 前瞻性评估结构性心脏病检测

数据集获取

源站：https://clinicaltrials.gov/study/NCT07057466

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：瓣膜性心脏病狭窄与反流（诊断）、肺动脉高压（诊断）、射血分数降低的心力衰竭（HFrEF；诊断）、射血分数保留的心力衰竭（HFpEF；诊断）。AI-ECG-SHD是一项多中心前瞻性观察性诊断准确性研究，旨在评估人工智能增强心电图（AI-ECG）在因临床指征接受经胸超声心动图（TTE）的成人中检测结构性心脏病的效果。参与者接受标准12导联心电图采集，同时使用便携式或可穿戴式单导联、3导联和6导联设备获取心电图记录。将以TTE作为临床参考标准，评估已有的AI-ECG模型对心力衰竭、肺动脉高压和瓣膜性心脏病的检测效果，并在同一前瞻性队列中比较不同心电图采集方式的性能。AI-ECG预测结果离线生成，不提供给治疗临床医生，也不用于改变临床诊疗。

该研究还将比较AI-ECG与N末端B型利钠肽原（NT-proBNP）的性能，并评估AI-ECG联合NT-proBNP方法的诊断效能。研究计划在六个NHS医院站点招募590名参与者。预设的203名参与者亚组将接受专门针对NT-proBNP的静脉血采样；作为常规临床护理一部分获得的符合条件的当日NT-proBNP测量结果，在可获得的情况下也将被纳入。

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。