可穿戴技术在心力衰竭患者中的应用

数据集获取

源站：https://clinicaltrials.gov/study/NCT07650669

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。主要目标是建立一个由 Cleveland Clinic 牵头的注册登记系统，旨在将来自消费者可穿戴设备的连续生理数据与患者个人电子健康记录（EHR）中的临床数据相整合；这些生理数据由 HeartBit 应用程序和基于 Case Western Reserve University（CWRU）的平台采集。本提案旨在了解使用个人可穿戴设备（如 Fitbit 和 Apple Watch）采集生理数据（如心率、步数、睡眠周期和消耗的卡路里），并将这些数据与自我报告的健康状况相关联。研究团队打算收集参与者个人可穿戴设备生成的所有数据，并对这些可穿戴设备生成的生理数据进行整合分析。研究者尤其旨在从数据中发现规律，并据此发展出模型。研究者的目标是更好地预测和诊断与日常生活方式相关的不良影响，包括心血管风险、肌肉骨骼风险、代谢风险、压力和睡眠障碍。这些数据可能用于更好地理解日常习惯和生活方式选择，从而有可能预测一个人的健康和疾病风险，以提供更全面的诊断，并实现早期识别和预防。随着可穿戴设备对公众而言变得更准确、购买成本更低，对来自多个设备的可穿戴数据进行整合分析，可能产生可供临床医生和基础科学家使用的模型，以推断日常生活方式及其对健康和疾病的影响。

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。