PhysioNet 2017 AF挑战
AF Classification from a Short Single Lead ECG Recording 面向晕厥/意识丧失及相关临床研究，提供公开可访问的时序数据、标注或队列信息，适合用于分类、疾病表型分层、结构测量、风险预测和医学AI模型基准测试。
基本信息
资源简介
PhysioNet 2017 AF挑战
【数据集背景】
本数据集源站标题为《challenge-2017》。
【数据内容】
源站原始描述：The 2017 PhysioNet/CinC Challenge aims to encourage the development of algorithms to classify, from a single short ECG lead recording (between 30 s and 60 s in length), whether the recording shows normal sinus rhythm, atrial fibrillation (AF), an alternative rhythm, or is too noisy to be classified
【适用方向】
时序数据适用于疾病进展预测、生理信号监测与事件发生的时序建模。
【获取与许可】
源站页面：https://physionet.org/content/challenge-2017/
使用许可：Open Data Commons Attribution License v1.0。
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（PhysioNet）
PhysioNet 数据需注册账号（机构邮箱）并签署数据使用协议后下载：
- 在 https://physionet.org/content/challenge-2017/1.0.0/ 页面登录并接受许可条款；
- 命令行整目录下载：
wget -r -N -c -np user=<账号> ask-password https://physionet.org/files/<数据集>/<版本>/
数据说明
AF Classification from a Short Single Lead ECG Recording 是与晕厥/意识丧失相关的公开数据集，包含时序数据，可用于分类、表型识别、疾病评估或算法验证。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
