MIT-BIH 恶性心室异位搏动数据库 (VFDB)

该数据集是一个包含22名恶性心室异位搏动(如持续性室性心动过速、心室扑动和心室颤动)受试者的半小时心电图(ECG)信号记录的时间序列数据库,数据模态为生物电信号波形,主要用于心律失常自动检测、恶性室性心律失常识别算法开发、心脏健康监测以及生物信号处理领域的研究与模型评估。

OpenDataLabOpenDataLab
OpenDataLab
2026-06-21 更新
浏览 27
心室颤动检测ECG心律失常室性心动过速心室扑动
MIT-BIH Malignant Ventricular Ectopy Database (VFDB)

基本信息

创建/更新时间
2026-06-21

资源简介

MIT-BIH 恶性心室异位搏动数据库 (VFDB)

【一句话概览】

MIT-BIH恶性室性异位搏动数据库(VFDB)包含22名受试者的22个半小时心电图记录,这些受试者经历过持续性室性心动过速、心室扑动和心室颤动。参考注释文件仅含节奏标签,无节拍标签。该数据库标签涉及心室颤动检测、心电图、心律失常、室性心动过速和心室扑动(来源 opendatalab.org.cn)。

【数据集背景】

本数据集源站标题为《MIT-BIH Malignant Ventricular Ectopy Database (VFDB)》。

【数据内容】

源站原始描述:该数据库包括经历持续性室性心动过速、心室扑动和心室颤动的受试者的 22 个半小时 ECG 记录。参考注释 (.atr) 文件仅包含节奏标签(无节拍标签)。

中文译文(机器翻译,仅供快速理解,请以原文为准):该数据库包含22份半小时心电图记录,来自经历持续性室性心动过速、心室扑动和心室颤动的受试者。参考注释(.atr)文件仅包含节律标签(无搏动标签)。

【主题与分类】

主题标签:心室颤动检测、ECG、心律失常、室性心动过速、心室扑动。

【获取与许可】

源站页面:https://opendatalab.org.cn/OpenDataLab/MIT-BIH_Malignant_Ventricular_etc

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

需登录

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。

暂未开放

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

源站:https://opendatalab.org.cn/OpenDataLab/MIT-BIH_Malignant_Ventricular_etc

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

该数据集是一个专门针对恶性心室异位搏动的心电图(ECG)数据库,包含22名受试者(经历持续性室性心动过速、心室扑动和心室颤动)的半小时ECG记录。数据以ECG信号波形(时间序列)形式提供,并附有参考注释文件(.atr),该文件仅包含节律标签(如心律失常类型),而不包含逐拍的节拍标签。数据来源于MIT-BIH心律失常数据库项目,通过临床监测设备采集。该数据集主要用于心律失常检测、恶性室性心律失常(如室速、室颤)的自动识别算法研究、心脏健康监测以及生物信号处理领域的模型训练与验证。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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。

获取专属数据定制方案