STAR局部延长有效不应期并增加室性心动过速周期长度而不引起短期瘢痕形成或功能下降：来自转化猪模型研究的见解
该数据集是一个用于心脏电生理模拟的有限元模型数据集，包含几何描述、参数文件和初始条件状态文件等多模态数据，主要用于支持室性心动过速机制的研究以及STAR疗法等治疗策略的计算仿真评估，通过开源框架openCARP实现模拟重现与验证。
基本信息
资源简介
STAR局部延长有效不应期并增加室性心动过速周期长度而不引起短期瘢痕形成或功能下降：来自转化猪模型研究的见解
【数据集背景】
本数据集源站标题为《STAR locally prolongs effective refractory period and increases ventricular tachycardia cycle length without short-term scar formation or functional decline: Insights from a translational porcine model study》。
【数据内容】
源站原始描述：This dataset contains data required to reproduce computational simulations presented in the 2025 paper by Zenger et al. This data set comprises (1) Geometric descriptions of the simulation domain (whole heart, tissue wedge, etc.), with point clouds interconnected by finite elements, each of which is associated with a vector encoding local myofiber orientation. (2) Parameter files describing functional cell- and tissue-scale properties of different tissue regions, perturbations to be applied to t…
【主题与分类】
主题标签：Electrophysiology、Arrhythmia、Infarction。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:9713da16a102b96941cf12a96f722c59fd84a30aac527b85c2db94d4171da242
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
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:
数据说明
该数据集包含用于重现2025年Zenger等人论文中计算模拟所需的数据。数据集由三部分构成：一是模拟域（如全心、组织楔块）的几何描述，包括由有限元连接的点云，每个单元关联一个编码局部肌纤维方向的向量；二是描述不同组织区域功能细胞与组织尺度特性的参数文件、模拟过程中应用的扰动（如电刺激）以及数值求解器设置；三是模拟初始条件状态文件，用于描述模型在模拟开始时的功能状态（若与默认细胞尺度参数不同）。所有数据均以纯文本或二进制格式存储，兼容开源框架openCARP。数据集主要用于心脏电生理建模研究，支持室性心动过速机制分析及治疗策略（如STAR疗法）的仿真评估。
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。
