深度伪造心电图
DeepFake ECG 研究提出用生成对抗网络生成逼真合成 12 导联 10 秒心电图，以缓解个性化医疗大数据需求中的隐私与共享问题
基本信息
资源简介
深度伪造心电图
DeepFake ECG
DeepFake ECG 研究提出用生成对抗网络生成逼真合成 12 导联 10 秒心电图，以缓解个性化医疗大数据需求中的隐私与共享问题。研究比较 WaveGAN* 与 Pulse2Pulse GAN，用 7,233 条真实正常心电图训练，生成 121,977 条 DeepFake 正常心电图。经 MUSE 12SL、GE Healthcare 验证，Pulse2Pulse GAN 更优，合成与真实心电图的间期和振幅相似。合成心电图完全匿名、无法关联个人，可自由使用；数据集将在 OSF.io 开放，生成器在 PyPI 提供。结论是用对抗神经网络基于两项人群研究的正常心电图生成逼真合成心电图，可解决医学数据集相关隐私问题（来源 Kagg。
【数据集背景】
源站首次发布：2021-05-27。
【数据内容】
源站描述（机器翻译，仅供参考）：## DeepFake 心电图：医学隐私问题终结的开端 论文 | GitHub | 原始数据源 | PyPI 内容 实施个性化医疗需要大数据，但隐私问题是收集数据以及在研究人员之间共享数据时普遍存在的问题。一种解决方案是生成合成数据，以表示携带相似信息的真实数据集。在此，我们提出了能够生成逼真的合成 DeepFake 12 导联 10 秒心电图（ECG）的生成对抗网络（GAN）。我们开发并比较了两种方法，即 WaveGAN* 和 Pulse2Pulse GAN。我们使用 7,233 份真实正常 ECG 训练 GAN，生成了 121,977 份 DeepFake 正常 ECG。通过使用商业 ECG 判读程序（MUSE 12SL，GE Healthcare）验证这些 ECG，我们证明 Pulse2Pulse GAN 在生成逼真 ECG 方面优于 WaveGAN。DeepFake 与真实 ECG 之间的 ECG 间期和振幅相似。这些合成 ECG 完全匿名，无法关联到任何个体，因此可以自由使用。该合成数据集将在 OSF.io 上作为开放获取资源供研究人员使用，DeepFake 生成器将在 Python Package Index（PyPI）上提供，用于生成合成 ECG。总之，我们能够使用对抗神经网络，基于两项人群研究中的正常 ECG 生成逼真的合成 ECG，从而解决了医学数据集中相关的隐私问题。 引用（在您的研究中使用此数据…
【数据结构与技术规格】
文件数 20 个，合计 3.11 MB。
【主题与分类】
主题标签：health、intermediate、deep learning、artificial intelligence、advanced、gan。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/vlbthambawita/deepfake-ecg
使用许可：Attribution 4.0 International (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。
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://kaggle.com/datasets/vlbthambawita/deepfake-ecg
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据集大小约 42.70 GB。
数据说明
DeepFake ECG VT · 5年前更新 可用性 8.2 · 272000 个文件（其他，CSV）· 17 GB · 560 次下载 · 1 个笔记本 arrow_drop_up 还有20个 more_horiz
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。
