植入式除颤器中心室心动过速出口部位区域化自动支持系统
该数据集包含23名患者的植入式除颤器腔内电图（ICD-EGM）信号，属于电生理信号模态，旨在通过机器学习方法（如神经网络、支持向量机和核岭回归）对左心室心动过速出口部位进行解剖区域定位，主要应用于心脏电生理学研究和医疗人工智能辅助诊断，为室性心动过速的机制分析与临床定位提供数据支持。
创建时间2025-06-21
更新时间2020-06-24
原始链接
https://search.dataone.org/view/sha256:f974b8fe047707ed58b1fb639422597142c693a1f8cf43810c15594fcd34f08b
官方服务
帮我联系如需原始数据获取支持或标注服务，请联系我们。
资源简介
该数据集旨在利用植入式心律转复除颤器（ICD）中存储的腔内电图（ICD-EGM）数据，通过机器学习方法对左心室心动过速出口部位（LVTES）进行解剖区域定位。数据集包含23名患者的ICD-EGM信号（每名患者约18±10个电图），在缺乏12导联室性心动过速心电图的情况下，为LVTES的粗略定位提供支持。研究采用了多种机器学习技术，包括分类方法（如神经网络和支持向量机）和回归方法（核岭回归），以评估不同方法在识别LVTES解剖区域时的准确性和空间分辨率。该数据集主要应用于心脏电生理学、心律失常机制研究以及医疗机器学习辅助诊断领域，为室性心动过速的定位诊断提供数据驱动的方法探索。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 室性心动过速 的高质量、多模态真实临床数据定制解决方案。