摘要：该数据集（PF12RED）包含54名西班牙甲级联赛男子职业足球运动员的163份10秒12导联静息心电图记录，采集时间跨越2018-2022年多个赛季的季前和季后阶段。
数据集概述
该数据集（PF12RED）包含54名西班牙甲级联赛男子职业足球运动员的163份10秒12导联静息心电图记录，采集时间跨越2018-2022年多个赛季的季前和季后阶段。数据使用通用电气USB-CAM 14模块和CardioSoft V6.73软件采集，以WFDB格式（.dat / .hea）存储。职业运动员因长期高强度训练产生心脏适应性改变（运动员心脏综合征），心电图特征与普通人群显著不同，该数据集为研究精英运动员心脏电生理特性、开发运动员专用心律失常检测算法和制定运动员健康评估标准提供独特数据资源，已获伦理批准并匿名化处理。
数据结构与关键特征
数据集采用WFDB标准格式组织，每份记录包含.dat二进制波形文件和.hea头文件（元数据：采样率、导联配置、患者信息）。163份记录来自54名运动员的多时间点采集（季前体能评估、季后恢复监测），支持纵向研究。12导联心电图（I、II、III、aVR、aVL、aVF、V1-V6）提供心脏电活动的全方位视角。职业足球运动员常见心电图特征包括：窦性心动过缓（静息心率<60次/分）、早期复极化（ST段抬高）、左心室肥厚（高电压、T波改变）、不完全右束支传导阻滞和一度房室传导阻滞，这些生理性改变需与病理性异常（肥厚型心肌病、心律失常性右室心肌病）鉴别。数据格式兼容PhysioNet工具链和Python WFDB库，便于信号处理和特征提取。
应用价值与研究方向
该数据集为运动心脏病学研究和运动员猝死预防提供关键数据支撑，可应用于运动员心电图正常参考范围建立、生理性与病理性改变鉴别算法开发和职业体育健康筛查标准制定。技术层面支持机器学习模型训练（区分运动员心脏vs心肌病）、跨区域精英运动员心脏特征对比研究和自动诊断方法验证。研究方向包括：运动员专用心律失常检测模型、季前季后心电图变化的纵向分析、深度学习提取运动适应性心脏标志物、可解释性AI生成临床决策支持、跨项目运动员心脏特征对比（足球vs篮球vs耐力运动）、以及结合超声心动图的多模态心脏评估，数据集已在GitHub和学术平台公开，引用文献发表于Data in Brief期刊（doi: 10.1016/j.dib.2024.110444），为体育医学专业人员培训和心电信号可视化工具开发提供教育资源。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-290
文件大小：7M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)