Holter ECG监测能够连续记录约24小时的心电活动，在AF诊断中发挥着重要作用。然而，现有的公开AF ECG数据库大多缺乏详细的临床信息，且没有包含日本人群样本，这限制了机器学习（ML）和深度学习（DL）模型在不同人群中的泛化能力。

本研究为解决心房颤动（AF）诊断工具不足的问题，开发了首个包含日本人群样本的24小时Holter ECG数据库SHDB-AF，为机器学习和深度学习模型的泛化能力提供了重要资源，有助于提高AF诊断的准确性和早期干预效果。