摘要：该数据集面向心房颤动（Atrial Fibrillation，AF）自动检测、可穿戴心电监测以及少样本/半监督学习研究构建，重点模拟真实可穿戴 ECG 场景中存在大量未标注数据和噪声信号的问题。
数据集概述
该数据集面向心房颤动（Atrial Fibrillation，AF）自动检测、可穿戴心电监测以及少样本/半监督学习研究构建，重点模拟真实可穿戴 ECG 场景中存在大量未标注数据和噪声信号的问题。与传统只包含干净且完整标注数据的数据集不同，该数据集仅提供少量明确标签样本，同时包含大量未标注训练数据，可用于研究如何在有限监督信息条件下提升心房颤动识别模型的性能与泛化能力。
数据结构与关键特征
数据集主要包含 traindata.csv 和 testdata.csv 两部分。所有 ECG 信号的采样率均为 400 Hz，每段记录持续 10 秒，因此每条信号包含约 4000 个采样点。训练集共有 20000 条记录，其中前 500 条为心房颤动患者信号，第 501～1000 条为健康个体信号，第 1001～20000 条则为未标注 ECG 信号；测试集共有 10000 条未标注记录。整体具有“少量标注 + 大量未标注 + 噪声干扰”的特点，非常接近实际长期可穿戴心电监测的数据分布。
应用价值与研究方向
该数据集适用于心房颤动检测、ECG 信号分类、半监督学习、自监督学习、噪声鲁棒建模和可穿戴心电监测等研究方向。研究者可以对原始 ECG 进行滤波、去噪、R 峰检测和心搏分割，并提取 RR 间期、心率变异性、时域与频域特征，也可以直接使用 1D-CNN、LSTM、Transformer 等模型进行端到端学习。由于数据中包含大量未标注样本，还特别适合研究伪标签、对比学习、一致性正则化、自监督预训练以及少标签学习等方法，为真实环境下的心房颤动智能筛查与长期心电监测提供数据基础。
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-822
文件大小：960M
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)