心脏瓣膜病
心脏瓣膜病是指心脏瓣膜因风湿热、退行性变、感染、先天性畸形等因素发生结构或功能异常，导致瓣膜狭窄和（或）关闭不全的一组疾病。发病时瓣膜开合受限或闭合不全，引起血流动力学紊乱，逐步导致心房、心室扩大及心力衰竭。常见临床表现包括劳力性呼吸困难、心悸、胸痛、头晕、水肿，听诊可闻及特征性心脏杂音。超声心动图是确诊的核心手段，可精准评估瓣膜形态与功能。治疗涵盖药物管理、外科瓣膜修复或置换，以及经导管瓣膜介入治疗。在心血管疾病防控、新型瓣膜器械研发及个体化治疗策略优化等领域具有广泛应用。
获取 心脏瓣膜病 专属定制方案心脏病数据集
该数据集是一个包含心脏病患者临床表格数据的医学数据集，主要基于克利夫兰诊所的医疗记录，涵盖年龄、血压、胆固醇、心电图等多维临床属性，主要用于机器学习在心脏病诊断、风险预测和心血管事件分析方面的研究，支持分类和预测模型的开发与验证。
心脏病数据集
该数据集是一个包含患者年龄、血压、胆固醇等临床指标以及心脏病诊断标签的表格数据，主要用于心脏疾病的风险预测和机器学习模型在医疗健康领域的应用研究，为相关算法开发和临床辅助决策提供数据支持。
心脏病数据集
该数据集整合了四个数据库的心脏病相关信息，包含临床表格数据，如年龄、血压和胆固醇等特征，主要用于心脏病诊断和临床预测模型的研究，支持机器学习算法开发和风险因素分析。
心脏病克利夫兰UCI数据集
该数据集是一个包含303个样本的心脏病临床数据集，数据模态为结构化表格，涵盖年龄、性别、胸痛类型、血压、胆固醇等13项临床指标及疾病标签，主要用于机器学习分类任务，支持心脏病风险预测模型的开发与评估，在医疗数据分析、辅助诊断等领域具有重要应用价值。
心脏病分类数据集
该数据集是一个包含临床特征（如年龄、血压、胆固醇等）的结构化表格数据，用于心脏病预测与分类研究，主要应用于机器学习模型训练，以支持心脏疾病的早期诊断和风险评估。
人类三尖瓣和主动脉瓣疾病的整合单细胞转录组图谱
该数据集是一个整合的单细胞转录组学数据集，包含来自人类三尖瓣和主动脉瓣的基因表达数据，涵盖三尖瓣反流、钙化性主动脉瓣疾病及对照样本，通过单细胞RNA测序技术生成，主要用于研究心脏瓣膜疾病的细胞异质性、分子机制及病理变化，为心脏瓣膜生物学和疾病治疗提供数据基础。
心脏病数据集（已清洗）
该数据集是一个经过清洗的心脏病临床特征数据集，包含年龄、性别、血压、胆固醇等多模态表格数据，主要用于心脏病预测、机器学习模型开发以及医疗数据分析研究，通过先进的数据清洗方法提升了数据质量，支持心血管疾病领域的相关应用。
心脏疾病综合数据集
该数据集是一个综合性的临床表格数据集，整合了来自五个独立心脏疾病研究的数据，包含1190个实例和11个共同特征，主要用于冠状动脉疾病的机器学习和数据挖掘研究，以支持心血管疾病的预测模型开发和临床诊断辅助系统的构建。
CardioTwin：用于个性化心脏病预测的多模态数字孪生框架
该数据集是一个多模态医疗数据集，包含电子健康记录、心电图时间序列信号和心脏磁共振成像数据，通过整合临床、电生理和结构模态信息构建个性化心脏数字孪生，主要用于心脏病风险预测、疾病进展估计和个性化临床决策支持研究，为心血管疾病监测与管理提供人工智能驱动的分析框架。
Framingham - 心脏病预测数据集
该数据集是一个基于Framingham心脏研究的临床表格数据集，包含年龄、性别、血压、胆固醇等多项健康指标，用于预测个体在未来10年内患心脏病的风险，主要应用于医学研究和机器学习模型开发，以支持心血管疾病的早期预防和风险评估。
循环变形对异种心脏瓣膜生物材料的影响
该数据集包含牛心包组织在循环载荷下的实验数据，涉及材料应变、结构、成分和力学特性等多模态测量，主要用于研究戊二醛固定与未固定生物材料作为心脏瓣膜替代材料的耐久性差异，为开发抗钙化、可重塑的组织工程心脏瓣膜提供关键实验依据。
心脏病2024
该数据集包含多维度临床表格数据，涵盖患者年龄、性别、血压、胆固醇及心电图特征等指标，用于支持机器学习模型进行心脏疾病的分类、检测与预测研究，主要应用于医疗AI领域的心脏病早期诊断和风险评估工具开发。