检测室性早搏信号的Boosting与集成学习模型性能数据集
包含用于评估Boosting等集成学习模型检测室性早搏（PVC）心电信号性能的数据集。
基本信息
资源简介
检测室性早搏信号的Boosting与集成学习模型性能数据集
【数据集背景】
本数据集源站标题为《The performance of boosting models and other ensemble learning models for detecting PVC signal.》。配套论文《An improved method to detect arrhythmia using ensemble learning-based model in multi lead electrocardiogram (ECG)》发表于 PLOS ONE（2024），DOI：10.1371/journal.pone.0297551。源站首次发布：2024-04-09。
【数据内容】
源站原始描述：The performance of boosting models and other ensemble learning models for detecting PVC signal
【数据结构与技术规格】
文件数 1 个，合计 5.63 KB。Table 10.xls：application/vnd.ms-excel，5.63 KB。数据集 DOI：10.1371/journal.pone.0297551.t010。
【主题与分类】
源站学科分类：Space Science、Physiology、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Mathematical Sciences not elsewhere classified、Developmental Biology。主题标签：premature ventricular contraction、irregular heart rhythm、atrial premature contraction、multi lead electrocardiogram、xlink "> arrhythmia、lead ecg data、ecg )</ p、lead electrocardiogram、atrial fibrillation、window size。
【适用方向】
时序数据适用于疾病进展预测、生理信号监测与事件发生的时序建模。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/The_performance_of_boosting_models_and_other_ensemble_learning_models_for_detecting_PVC_signal_/25570789
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Mandala, Satria; Rizal, Ardian; Adiwijaya; Nurmaini, Siti; Amini, Sabilla Suci; Sudarisman, Gabriel Almayda; et al. (2024). The performance of boosting models and other ensemble learning models for detecting PVC signal.. PLOS ONE. Dataset
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（Figshare）
- 源站标题：The performance of boosting models and other ensemble learning models for detecting PVC signal.
- DOI：10.1371/journal.pone.0297551.t010
- 发布日期：2024-04-09
- 文件数：1 个
- 文件总体积：5.63 KB
- 源站页面：https://plos.figshare.com/articles/dataset/The_performance_of_boosting_models_and_other_ensemble_learning_models_for_detecting_PVC_signal_/25570789
命令行下载
curl -L -o "Table 10.xls" "https://ndownloader.figshare.com/files/45558277"
文件清单
Table 10.xls（5.63 KB）
文件总体积 5.63 KB（源站 API 实测）。
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。
数据说明
The performance of boosting models and other ensemble learning models for detecting PVC signal.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0297551.t010（source: https://plos.figshare.com/articles/dataset/The_performance_of_boosting_models_and_other_ensemble_learning_models_for_detecting_PVC_signal_/25570789）。
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。
