本数据集采用包含心肌梗死（MI）、心律不齐（ARR）和正常心律（Normal, NL）三类样本的心电图数据集，旨在构建高精度的分类模型，实现对不同心脏状态的自动识别，为临床提供辅助诊断依据，推动智能医疗技术在心血管疾病早期检测与预警中的应用。
数据集信息
编号：Dataset-5
大小：140M
整理：Bob
数据集概览
数据图像：
图1 心电图图像
数据类型：
表1 数据类型与格式
数据规模：
（1）数据集划分直方图
图2 数据集划分直方图
表2 数据集划分和规模
（2）数据集划分饼图
图3 数据集划分饼图
数据集类别
表3 类别定义
数据集来源
表4 数据集来源与说明
数据集用途
心脏病分类模型的训练与验证，包含MI、ARR、NL三类样本，可用于：
（1）模型训练：CNN、RNN等深度学习模型特征学习；
（2）性能评估：测试模型准确率、召回率等指标；
（3）特征分析：研究ECG信号时频特征差异；
（4）系统开发：支持智能心脏病诊断与预警系统。
数据集须知
（1）数据来源：公开心电图数据，仅限科研与教学使用。
（2）数据结构：含训练集与测试集，分为MI、ARR、NL三类样本。
（3）文件格式：.jpg图像文件，命名与类别对应。
（4）使用要求：遵守隐私与数据保护规定，引用须注明来源。
（5）适用范围：用于ECG信号识别、分类及模型训练研究。
数据集性能
训练与验证准确率和损失曲线：
图4 VGG16和ResNet50训练与验证准确率和损失曲线线
该图展示了VGG16在训练中易出现过拟合，验证表现波动较大；而ResNet50在训练和验证阶段均表现稳定，具有更强的泛化能力和更平滑的收敛特性。
混淆矩阵热力图：
图5 VGG16与ResNet50精度与损失总结表
ResNet50在所有类别上均能完美分类，相比VGG16表现出更高的准确性和更强的可靠性。
联系我们
官方声明
（1）实验环境真实性与合规性声明：
本研究所使用的硬件与软件环境均为真实可复现的配置，未采用虚构实验平台或虚拟模拟环境。实验平台为作者自主购买的惠普（HP）暗影精灵 10 台式整机，具体硬件参数详见表。软件环境涵盖操作系统、开发工具、深度学习框架等，具体配置详见表，所有软件组件均来源于官方渠道或开源社区，并按照其许可协议合法安装与使用。
研究过程中严格遵循学术诚信和实验可复现性要求，确保所有实验数据、训练过程与结果均可在相同环境下被重复验证，符合科研规范与工程实践标准。
（2）版权声明：
本算法改进中涉及的文字、图片、表格、程序代码及实验数据，除特别注明外，均由2zcode.Bob独立完成。未经2zcode官方书面许可，任何单位或个人不得擅自复制、传播、修改、转发或用于商业用途。如需引用本研究内容，请遵循学术规范，注明出处，并不得歪曲或误用相关结论。
本研究所使用的第三方开源工具、框架及数据资源均已在文中明确标注，并严格遵守其相应的开源许可协议。使用过程中无违反知识产权相关法规，且全部用于非商业性学术研究用途。
评论(0)