摘要ECG 增强数据集包含 2,448 张图像训练集 2,000/测试集 4484 个平衡类别ABH/MI/HMI/NORM各 500 训练112 测试通过形态学/噪声/几何增强技术扩展专为 ECG 分类和心血管疾病预测设计。数据集简介数据集概述ECG 增强数据集ECG Augmented Dataset是一个经过增强的心电图ECG图像数据集旨在平衡和丰富原始类别以用于基于深度学习的心血管疾病分类。原始数据集在训练集中各类别的图像数量不平衡ABH 233 张、MI 239 张、HMI 172 张、NORM 284 张。为了改善类别平衡和模型泛化能力使用形态学、噪声和几何数据增强技术的组合将训练集中的每个类别扩展到 500 张图像。此外测试集每个类别包含 112 张图像。数据集专为训练和评估用于 ECG 图像分类的深度学习模型、医学图像增强研究、不平衡数据学习和心血管疾病预测而设计。原始数据集分布不平衡ABH233 张、MI239 张、HMI172 张、NORM284 张。最终数据集组成训练集4 个类别 × 500 张图像 2,000 张图像测试集4 个类别 × 112 张图像 448 张图像。数据增强技术包括(1) 形态学变换腐蚀Erosion、膨胀Dilation、无变换保留原始图像(2) 噪声引入黑色条纹噪声、随机黑色像素丢失、白色条纹噪声、随机白色像素丢失(3) 几何变换平移Shift各方向小幅平移、缩放Scale0.9× 到 1.1× 随机缩放、旋转Rotate-5° 到 5° 小幅旋转。这些变换以平衡比例应用以确保多样性和真实性同时保留 ECG 信号的诊断特征。该数据集专为以下用途设计训练和评估用于 ECG 图像分类的深度学习模型CNN、Vision Transformer医学图像增强研究不平衡数据学习心血管疾病预测。支持心电图图像分类4 类ABH/MI/HMI/NORM、心血管疾病检测、深度学习模型训练CNN、ViT、ResNet、EfficientNet、类别不平衡处理、数据增强方法研究、医学图像分析、计算机辅助诊断CAD系统、心脏病预测、临床决策支持、算法基准测试。该数据集通过数据增强技术解决了原始数据集的类别不平衡问题为心血管疾病分类提供高质量、平衡的训练数据。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-164文件大小4.8G原创声明本数据集为整理作品