# ECG AI fast checkup — Data

来源：https://www.kaggle.com/competitions/ecg-ai-fast-checkup/data

采集时间：2026-10-19T20:28:30Z

Ссылка на первоисточник данных ЭКГ с разметкой:
>https://www.physionet.org/content/mitdb/1.0.0/
>Goldberger, A., Amaral, L., Glass, L., Hausdorff, J., Ivanov, P. C., Mark, R., ... & Stanley, H. E. (2000). PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals. Circulation [Online]. 101 (23), pp. e215–e220.

Датасет из первоисточника был заботливо скачан и дополнен столбцом healthy_status. Это столбец, который отражает классификацию пациента из датасета (условно здоровый = Normal) и (требует дообследование у врача = Abnormal)

## Files

*   **train.csv** - датасет для обучения Вашей нейронной сети
*   **test.csv** - датасет для классификации и проверки работы Вашей нейроннной сетью
*   **sample_submission.csv** - пример в каком формате нужна от Вас выгрузка результатов классификации для проверки работы нейронной сети, на вход которой подали данные из test.csv

## Columns

*   `id` - идентификатор пациента
*   `колонка 0`- значение ЭКГ в момент времени t=0
*   `колонка 1`- значение ЭКГ в момент времени t=1
*   etc. (в колонка 0-186 закодирован просто кардиосигнал как функция времени)
*   `колонка 186`- значение ЭКГ в момент времени t=186
*   `class`- one hot encoding классификации - коды нарушений кардиоритма. Код 0.0 = нарушений нет, нормальный ритм
*   `label`- резюме заключения врача о характере ЭКГ
*   `healthy_status`- наш target - столбец, который надо научиться предсказывать. Принимает значения Normal / Abnormal.