基于心电图数据的低血糖检测数据集
该数据集包含连续心电图（ECG）、胸部加速度计和连续间质葡萄糖测量等多模态医学数据，旨在通过分析ECG信号实现低血糖的无创检测，适用于健康监测、机器学习模型训练及医疗人工智能应用研究。
基本信息
资源简介
基于心电图数据的低血糖检测数据集
【数据集背景】
本数据集源站标题为《ECG Based Hypoglycemia Detection》。源站首次发布：2022-10-12。
【数据内容】
源站原始描述：This dataset contains a continuous measurement of ECG, chest-mounted accelerometer, and continuous interstitial glucose measurement for 2 healthy participants while performing daily activities over ~4 days. The glucose data was collected from Free Style Libera, and Bittium Faros 180 was used to collect ECG and Acceleration data. Each subject folder contains CGM and ECG subfolders. The CGM subfolder contains the CGM reading as a CSV file with a frequency of 1 reading every 15 min. The ECG subfold…
【数据结构与技术规格】
文件数 4 个，合计 790.83 MB。数据集 DOI：doi:10.7910/DVN/WM2GTG。
【主题与分类】
主题标签：Computer and Information Science、Medicine, Health and Life Sciences。
【获取与许可】
源站页面：https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/WM2GTG
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
源站：https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/WM2GTG
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
该数据集是一个用于低血糖检测的医学数据集，包含2名健康参与者在约4天日常活动期间的连续心电图（ECG）、胸部加速度计和连续间质葡萄糖测量数据。葡萄糖数据来自Free Style Libera，而ECG和加速度数据则通过Bittium Faros 180设备采集。数据集按受试者组织，每个文件夹包含CGM（连续血糖监测）和ECG子文件夹，其中CGM数据以CSV格式存储，每15分钟记录一次；ECG子文件夹包含ECG和加速度数据，以EDF格式存储，ECG采样频率为250 Hz，加速度数据采样频率为100 Hz。该数据集旨在支持基于ECG信号的低血糖无创检测研究，适用于医疗健康监测、机器学习模型开发等领域。
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。
