用于个性化心脏病预测的多模态数字孪生
该数据集包含电子健康记录、心电图时间序列信号和心脏核磁共振等多模态医疗数据，通过构建个性化心脏数字孪生框架，用于心脏疾病风险预测、进展估计和临床决策支持研究，主要应用于心血管领域的AI辅助诊断和个性化治疗规划。
基本信息
资源简介
用于个性化心脏病预测的多模态数字孪生
【数据集背景】
本数据集源站标题为《Multimodal Digital Twin for Personalized Heart Disease Prediction》。源站首次发布：2026-06-13。
【数据内容】
源站原始描述：CardioTwin: A Digital Twin Framework for Predicting Heart Disease Progression is a multimodal healthcare AI system designed to model patient-specific cardiac function and forecast disease progression using Electronic Health Records (EHR), ECG time-series signals, and Cardiac MRI data. The framework integrates Cardiac-FM, a multimodal foundation model, to construct a personalized digital twin of the heart by learning shared representations across clinical, electrical, and structural modalities. T…
【数据结构与技术规格】
数据集 DOI：10.5281/zenodo.20678326。
【获取与许可】
源站页面：https://zenodo.org/records/20678326
使用许可：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。
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（Zenodo 公开直链）
源站：https://zenodo.org/doi/10.5281/zenodo.20678326
（注册/登录后按页面指引下载）
数据说明
该数据集是一个名为CardioTwin的多模态医疗AI系统，旨在通过构建个性化心脏数字孪生来预测心脏疾病的进展。它整合了电子健康记录（EHR）、心电图（ECG）时间序列信号和心脏核磁共振（MRI）数据，利用名为Cardiac-FM的多模态基础模型，学习临床、电生理和结构模态之间的共享表征。该系统结合机器学习、深度学习和规则引导评分机制，生成可解释的输出，包括心脏风险预测、疾病进展估计、各模态贡献分析和疾病阶段评估。基于Python、PyTorch、FastAPI和React构建，CardioTwin通过数字孪生仪表板提供面向医生的可视化、假设模拟和个性化临床决策支持，主要用于心血管风险监测和疾病管理研究。
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。
