超声心动图(EKG)疾病分类数据集

摘要：本数据集是一个经过专业验证的超声心动图（EKG）图像集合，由波兰Marian心脏中心的专家团队进行了严格的医学验证和标注。

数据集简介

数据集概述

本数据集是一个经过专业验证的超声心动图（EKG）图像集合，由波兰Marian心脏中心的专家团队进行了严格的医学验证和标注。该数据集专注于心血管疾病的图像识别与分类，包含2405张高质量的心电图图像，所有图像均为JPG格式。这些图像数据为机器学习和深度学习在心血管疾病自动诊断领域的研究提供了可靠的训练和测试基础，具有重要的临床应用价值和科研意义。

数据集组成与结构

数据集根据疾病类型划分为四个主要类别，分别是：心绞痛（angina_disease，606张图像，15.06 MB）、心血管疾病（cardio_vascular_disease，599张图像，14.46 MB）、冠状动脉疾病（coronary_artery_disease，599张图像，16.89 MB）和低血压疾病（hypotension_disease，601张图像，16.42 MB）。每个类别的图像数量分布相对均衡，有助于构建平衡的机器学习模型。值得注意的是，部分病例包含多个视图或时间点的图像，通过文件名中的”_1″和”_2″后缀进行区分，这为多视图学习和时序分析提供了额外的研究维度。数据集总容量约为62.83 MB，便于存储和传输

应用场景与研究价值

该数据集适用于多种医学人工智能研究场景，包括但不限于：心血管疾病的自动分类与诊断、深度学习模型（如卷积神经网络CNN）的训练与验证、迁移学习在医学图像领域的应用、以及计算机辅助诊断（CAD）系统的开发。由于数据经过专业医学机构验证，研究人员可以信赖标注的准确性，从而专注于算法优化和模型性能提升。此外，四类疾病的清晰分类为多分类问题研究、疾病特征提取、以及临床决策支持系统的构建提供了标准化的数据基础，对推动心血管疾病智能诊断技术的发展具有重要意义。

数据集来源

由波兰Marian心脏中心的专家团队进行了严格的医学验证和标注。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-169
文件大小：61M
原创声明：本数据集为整理作品