# DCC Week Challenge 2023 — Data

来源：https://www.kaggle.com/competitions/dcc-week-challenge-2023/data

采集时间：2026-10-18T13:59:02Z

Este desafio utiliza um conjunto de dados anotados de eletrocardiograma de 12 derivações. O conjunto de dados de treino contém 51.432 exames de cerca de 37.000 pacientes, obtido por amostragem estratificada do conjunto de dados [CODE 15%](https://zenodo.org/record/4916206#.Y--sZKrMKV6). Os dados foram coletados pela CTMG no período entre 2010 e 2016.

## Arquivos de treino

O arquivo `train_dccweek2023.h5` contém dois conjuntos de dados chamados `exam_id` e `tracings`. O `exam_id` é um tensor de dimensão (N,) contendo o ID do exame (o mesmo do arquivo csv) e o conjunto de dados `tracings` é um tensor de dimensão (N, 4096, 12) contendo os traçados do ECG na mesma ordem. A primeira dimensão corresponde aos diferentes exames; a segunda dimensão corresponde às 4096 amostras do sinal; a terceira dimensão corresponde às 12 diferentes derivações dos exames de ECG na seguinte ordem: {DI, DII, DIII, AVR, AVL, AVF, V1, V2, V3, V4, V5, V6}. Os sinais são amostrados a 400 Hz. Alguns sinais originalmente possuem duração de 10 segundos (10 * 400 = 4000 amostras) e outros de 7 segundos (7 * 400 = 2800 amostras). Para que todos tenham o mesmo tamanho (4096 amostras), preenchemos com zeros em ambos os lados. Por exemplo, para um sinal de ECG de 7 segundos com 2800 amostras, incluímos 648 amostras no início e 648 amostras no final, resultando em 4096 amostras que são então salvas no conjunto de dados hdf5. Em Python, é possível ler esse arquivo usando a biblioteca `h5py`, como no exemplo:
```python
import h5py

f = h5py.File(path_to_file, 'r')
# Get ids
traces_ids = np.array(f['exam_id'])
x = f['tracings']
```

**NOTA:** o `tracings` é um muito grande para caber em memória de desktops de uma só vez, é aconselhado ler por pedaços usando: ``x[start:end, :, :]``.

Por fim, para treinamento, o arquivo `train_dccweek2023-labels.csv` contém duas colunas, `exam_id` e `classe`, associando um dado exame ao diagnóstico correspondente. Em particular, os 7 valores possíveis na coluna classe são os seguintes:
 - 0 - Nenhum diagnóstico;
 - 1 - `1dAVb`: Se o paciente tem ou não bloqueio atrioventricular de primeiro grau;
 - 2 - `RBBB`: Se o paciente tem ou não bloqueio de ramo direito;
 - 3 - `LBBB`: Se o paciente tem ou não bloqueio de ramo esquerdo;
 - 4 - `SB`: Se o paciente tem ou não bradicardia sinusal;
 - 5 - `AF`: Se o paciente tem ou não fibrilação atrial;
 - 6 - `ST`: Se o paciente tem ou não taquicardia sinusal.

## Arquivos de teste

O arquivo `test_dccweek2023.h5` segue o mesmo formato do arquivo `train_dccweek2023.h5` e inclui os dados de `tracings` dos exames a serem diagnosticados. Os diagnósticos preditos para esses exames devem ser salvos em um arquivo csv (comma-separated values) para submissão. O arquivo de submissão de exemplo `sample-submission.csv` foi incluído para referência.