Auricle 耳戴多模态心血管数据集

Auricle 是一个把「耳机」当作心血管传感器的开放数据集。它由多伦多大学与 University Health Network 的研究组发布在 PhysioNet，2026 年 10 月 13 日上线 v1.0.0，采用 ODC-BY 1.0 许可，无需申请即可下载。数据集按健康与心衰带病生活两个队列组织受试者，全部生理信号以统一的高采样率记录，体量在压缩包与解压态之间相差约一倍。它的辨识度来自一路旁人少见的信号——用改装降噪耳机的入耳麦克风录下的双耳心音。

可穿戴心血管监测长期缺一个公认的评测底座。智能手表与智能戒指各自采集不同的信号组合，评价却分散在各自的私有数据上，精度、泛化与模态取舍无从比较。Auricle 的做法是把同一时刻能测到的心血管信号尽量一次录全：心电、胸壁心震、数字听诊心音、手指与耳垂两处光电容积脉搏波、耳内双耳心音、连续指压与呼吸带。研究者因此可以在同一批受试、同一段活动上做单模态与多模态的对照。

如果打算用它，第一件事是弄清楚记录命名与通道存在性：不同会话的通道数在 17 到 20 之间浮动，派生血流动力学量并非场场齐全。第二件事是确认参考量的性质——连续动脉压来自指套设备而非动脉置管，需要按掩码剔除未校准区段。第三件事是意识到它没有官方划分与基线分数，任何跨研究比较都要自己复现协议。

§1 它是什么：身份、来源与版本

1.1 名称、定位与一句话定义

Auricle 在英文中意为耳廓，这一命名直接点出数据的采集形态：耳戴设备（earable）是整份数据集的技术支点。官方全称为 Auricle: A Multimodal Wearable Sensing Dataset for Cardiovascular and Hemodynamic Assessment，直译为「用于心血管与血流动力学评估的多模态可穿戴传感数据集」。

它既不是某一款消费电子产品的固件导出，也不是临床试验的随访库，而是一份为方法学研究构造的受控实验室数据：受试者在同一间房间里，身上同时挂着十余路传感器，按脚本完成一组会改变心血管状态的动作，全过程被同步记录。这种设计使它同时具备两种用途——既是可穿戴算法训练与检验的数据源，也是研究「不同形态因子、不同模态之间谁更有信息量」的对照平台。

数据集的身份要素可以压成一张短表。

要素	内容
中文常用称法	Auricle 数据集、耳戴多模态心血管数据集
发布平台	PhysioNet（项目编号 auricle）
版本	v1.0.0（发布时点唯一版本）
上线日期	2026 年 10 月 13 日
数字对象标识	10.13026/swme-vp69（版本级）；10.13026/9kme-d575（最新版级）
许可	ODC-BY 1.0
体积	未压缩与压缩体积见项目页
数据格式	WFDB 波形（.hea 与 .dat 成对）加三张 CSV 元数据表

1.2 谁做的、在哪儿做的

作者共十人：Kenneth Christofferson、Sejal Bhalla、Thomas Kleinknecht、Joann Varickanickal、Ben Kim、Enza De Luca、Anne Simard、Heather Ross、Joseph Cafazzo、Alex Mariakakis。名单里同时出现可穿戴计算方向与人机交互方向的常见署名，也出现心衰临床方向的医生署名，这一组合恰好对应数据集的双队列结构：技术侧负责传感与信号，临床侧负责心衰受试者的招募与安全边界。

采集与伦理归属分两处。健康队列的数据采集在多伦多大学完成，伦理审批编号为 41568；心衰队列的受试者由 University Health Network 的 Ted Rogers 心脏研究中心方向招募，伦理审批编号为 24-5431。资助来源写为 TRANSFORM HF 及其 UHN 数字健康方向的支持。配套代码托管在一个以「chai-toronto」命名的代码组织下，这一组织名下同时存放了数据处理库与可视化器两个仓库。

两套伦理号并行意味着：若要在这份数据上做进一步的人体研究，或需要追溯某条记录的原始知情同意范围，健康队列与心衰队列要走两条不同的追溯路径。这对纯粹的数据建模没有影响，但对涉及临床合作与二次招募的项目是必须提前问清的事实。

1.3 版本链与检索口径

检索时点只有 v1.0.0 一个版本，但项目页同时给出两个数字对象标识：版本级标识锁定 v1.0.0，最新版级标识会随后续版本漂移。写引用时若希望指向具体版本，用前者；若希望永远指向最新，用后者。两类标识并存是 PhysioNet 的常规做法，本身不代表版本冲突。

项目页在检索时点的累计浏览量为 43 次，属于刚上线的新数据集。这一数字同时说明另一件事：围绕它的第三方复现、纠错与评测结果都还没有积累起来，使用者在早期遇到的问题没有现成答案可查。

1.4 与「耳戴」这一形态因子的关系

把麦克风放进耳道并不是为了录声音给人听。主动降噪耳机在耳道内本就必须放置反馈麦克风，用来采集耳道内的残余声压并生成反相声波。研究组所做的是保留这套硬件、绕过降噪算法、直接取出原始麦克风信号。这样一来，耳内心音成为消费级设备「天然具备」的一路传感，而不是需要额外加装的实验装置。

这一事实对数据集的意义在于可迁移性：如果心音确实可以从入耳麦克风稳定取得，那么数以亿计的现成耳机在原理上都具备这一能力，代价只是固件层面的信号通路开放。数据集之所以把双耳心音放在摘要的显著位置，原因正在于此。

§2 数据构成：规模、队列与通道

2.1 两个队列的规模

Q1：Auricle 一共多少人和多少条记录？
70 名受试者，分两个队列：健康队列（Healthy Cohort，HC）42 人，心衰带病生活队列（Heart Failure Cohort，HFC）28 人。记录总数由两个队列的记录相加得到。健康队列的设计是每人两场、分不同日期进行，实际有 37 人返回完成第二场。

Q2：为什么健康队列的第二场不是人人都有？
两场会话需要受试者在不同日期各来一次实验室，属于自愿性质。设计上预留了返场名额，执行上按实际到访计入记录。这带来一个使用上的直接后果：健康队列内部存在「只来一次」与「来了两次」两类受试者，做受试者内变异性分析时必须只取交集，不能默认人人成对。

Q3：心衰队列为什么只有一场？
项目页给出的理由是受试者多为异地就诊者，往返成本高。更实际的约束是安全：心衰受试者在实验室内的应激活动需要临床人员在场，重复到访的组织成本远高于健康志愿者。一场会话的设计因此是权衡的结果，而不是数据缺失。

2.2 队列人口学

指标	健康队列	心衰带病生活队列
人数	42	28
年龄范围	19–57 岁	21–79 岁
年龄均值与标准差	27.4 ± 9.5 岁	51.2 ± 15.1 岁
女性人数	21（50.0%）	8（28.6%）
身高	171.0 ± 9.2 cm	170.1 ± 10.6 cm
体重	71.4 ± 16.9 kg	82.9 ± 19.9 kg
左心室射血分数	不适用	39.5 ± 13.0 %
纽约心脏协会心功能分级	不适用	一级 13、二级 8、三级 3、四级 1、未记录 3

这张表最重要的一列不是任何单个数值，而是两队列之间不可调和的差距：平均年龄相差近 24 岁，女性比例相差 21 个百分点，体重相差 11 公斤。任何把两队列直接合并训练的模型，学到的首先是「谁是心衰患者」这一人口学捷径，而不是心血管功能本身。项目页自己也把「心衰队列年龄更大且以男性为主，限制了分类算法结论的适用性」列为第一条局限。

心衰队列的临床字段另有若干项只在 HFC 出现：既往心肌梗死、既往高血压、既往糖尿病、既往心房颤动、植入式心律转复除颤器、心脏再同步治疗、心衰病因、左心室射血分数、纽约心功能分级、用药方案。其中射血分数有两条记为「未找到」，纽约分级有三条缺记录，这两处缺失在做亚组分析时需要显式声明处理策略。

2.3 通道清单与逐记录差异

Q4：每条记录到底有多少通道？
实抓 WFDB 头文件的结果是 17 到 20 个通道，随会话而异。以健康队列第一条记录为例，头文件列出 17 路：三轴加速度计、心输出量、舒张压、数字听诊、左耳、右耳、心电、心率、平均压、周期式臂带压、耳垂光电容积脉搏波、手指光电容积脉搏波、呼吸带、每搏量、收缩压。心衰队列的一条记录则列出 20 路，多出系统血管阻力与两类标注通道。

通道组	通道名示例	物理含义
电生理	ECG	三导联心电图
声学	Digital_Stethoscope	胸壁数字听诊心音
声学	Earbud_Left / Earbud_Right	左耳与右耳耳内心音
机械	Accelerometer_X/Y/Z	胸壁三轴心震加速度
光学	PPG_Finger	左食指透射式脉搏波
光学	PPG_Ear	左耳垂透射式脉搏波
压力	Systolic_BP / Diastolic_BP / Mean_BP	连续指套动脉压的瞬时值
压力	NIBP	周期式臂带血压
呼吸	Respiration_Belt	胸腹呼吸带
派生	Heart_Rate / Cardiac_Output / Stroke_Volume / SVR	由连续压设备计算的派生量
标注	Activity_Annotations / CNAP_Annotations	活动与设备状态标记

项目页与说明文档对通道计数给出过不同口径：说明文档写「九个生理通道」外加三个派生量与两类标注，摘要写「十一路同步心血管波形」。两者并非矛盾，而是分组方式不同——前者按传感器来源计，后者把由同一设备派生的量也计入波形。实抓头文件显示的是第三种计数：通道的物理个数。三种口径同时存在于官方材料中，使用时以头文件为准最稳妥。

2.4 采样率、时长与体积

Q5：信号质量与时间分辨率是什么水平？
全部生理信号统一为 1 kHz。采集端以十倍于此的速率记录，发布前统一降采样。对消费级设备而言这是相当高的时间分辨率——智能手表的脉搏波采样通常在几十到一百赫兹量级，1 kHz 足以保留脉搏波上升沿与心音高频成分的形态细节，也足以做亚毫秒级的跨通道时刻对齐。

Q6：每条记录多长时间？
项目页写每场会话约 30 分钟用于采集，另有约 30 分钟用于传感器布置与校准。实抓头文件的采样点数换算后显示分布更宽：较短者约 29.5 分钟，较长者约 43.3 分钟。两者并不冲突——「30 分钟」描述的是应激协议本身，而记录起止由操作员控制，包含协议前后的静息与设备检查段落。

体积方面，压缩包与解压后的体量差异约一倍。按记录条数粗算，单条记录在压缩状态下为数十 MB 量级，适合整包下载后在本地处理；不适合按需流式读取单条记录做交互式分析。

2.5 三张数据集级元数据表

除波形之外，根目录还有三张表，它们承载了「波形之外的上下文」。

文件	内容	覆盖范围
demographics.csv	受试者编号、队列、年龄、性别、身高、体重；心衰队列另含临床与用药字段	全部 70 人
activity_labels.csv	活动编号到名称的映射，六个取值	数据集级，非逐人
sensor_coordinates.csv	传感器与解剖标志点在体表坐标系下的二维坐标（厘米）	仅健康队列 34 人

第三张表值得单独说明。它以中线为横轴、以身高为纵轴建立坐标系，为每名受试者记录左右耳机、耳垂脉搏波探头、数字听诊探头、心电电极、胸壁加速度计、臂带、手指探头，以及鼻、内眼角、外眼角、耳廓、嘴角、肩、肘、腕、指尖、髋、膝、踝、足跟等解剖标志点的位置。34 人各有坐标，另有部分受试者缺失。

这张表的用途是把「传感器之间的相对几何关系」变成可计算的量。脉搏波从心脏传导到耳垂与手指的距离不同，同一时刻的到达时差因此含有个体化的几何成分。有了坐标，研究者可以把时差除以距离得到速度类的量，或把几何差异作为协变量纳入模型。这类元数据在多数公开生理数据集中并不存在，是这份数据的一个隐性增量。

2.6 活动标签体系

活动标签的取值实为六个：0 对应静息，1 对应屏气，2 对应 Valsalva 动作，3 对应轻度运动，4 对应冷加压，9 记为不适用。这六类覆盖了从「完全不动」到「主动施压」的应激谱系。

两类队列的应激集合并不相同。健康队列执行屏气四次、轻度运动两次、冷加压一次、Valsalva 动作四次；心衰队列执行同样的动作但跳过冷加压。跳过的理由是安全：冷加压要求把手浸入冰水，对心衰患者会引发不可控的血压与心率反应。这一处差异意味着两队列的活动标签集合不完全对齐，跨队列对比时必须以「共同活动子集」为分母。

活动顺序采用拉丁方设计。这种设计通过轮换动作次序，把「顺序效应」——比如第一个动作总是让人更紧张——摊平到不同受试者身上，从而让动作本身的主效应可以被识别。对使用者的意义是：若按动作聚合统计，不需要额外校正次序带来的系统偏差。

§3 怎么拿到：许可、下载与读取

3.1 许可条款的实际含义

Q7：ODC-BY 1.0 具体允许什么、要求什么？
它允许下载、复制、修改、再分发，也允许商业使用与与自有数据合并后发布衍生数据库。义务集中在一处：署名。使用者需要注明数据来源、许可名称，并说明是否做过修改。许可文件本身写在压缩包根目录，长度约 19.9 KB，是完整的法律文本而非摘要。

与临床数据常见的使用协议相比，这一条款的门槛极低：不需要提交研究计划，不需要机构担保，不需要等待审批，也没有「仅限非商业」的附加限制。代价是责任全部转移给使用者——许可原文明确写道，它只管数据库层面的权利，不覆盖库内单条内容可能涉及的第三方权利。换言之，数据本身是开放下载的，但若某条内容牵涉其他权利（例如耳机厂商对固件的权利），许可并不代为清除。

3.2 三条下载路径

路径	命令或地址	适用场景
网页整包	项目页的压缩包入口	一次性获取全量
命令行递归	wget 递归抓取文件目录	断点续传、只取需要的记录
在线波形浏览	PhysioNet 的波形浏览器入口	下载前先看信号长什么样

命令行方式是三项中最实用的。递归抓取默认会拉取目录下全部文件，若只需要某几条记录，可以把抓取范围限定到对应的子目录。压缩包根目录另有校验和清单（约 19.6 KB），记录了每个文件的摘要值，下载后应逐项核对——十余 GB 级别的传输在弱网下出错的概率不低，而以波形文件被截断的特征并不明显。

3.3 目录结构与文件角色

官方给出的布局是「一个会话一个目录」：

<root>/
├── data/
│   └── {队列}_{受试者编号}_{会话编号}/
│       ├── {同名}.hea     # WFDB 头文件：通道数、采样率、增益、通道名
│       └── {同名}.dat     # 多通道二进制波形
├── demographics.csv
├── activity_labels.csv
├── sensor_coordinates.csv
├── RECORDS                # 全部记录名列表
├── SHA256SUMS.txt
├── LICENSE.txt
└── README.txt

两个细节决定读取的正确性。其一，.hea 是纯文本，第一行给出记录名、通道数、采样率与采样点数，后续每行描述一个通道；在写任何解析代码之前先读这一行，可以避免把「通道数固定」写死在代码里。其二，.dat 是二进制交织存储，同一时刻的多个通道按通道顺序排列，.hea 中的增益与基线两项决定如何还原物理量。跳过增益直接按整数读，得到的数值虽然有序，却不是毫伏。

3.4 最小可执行读取路径

WFDB 生态提供 Python 接口，一条命令即可把单条记录读成矩阵：

import wfdb

rec = wfdb.rdrecord("data/HC_1_1/HC_1_1")   # 路径不含扩展名
print(rec.n_sig, rec.fs)                     # 通道数与采样率
signal = rec.p_signal                        # 已按增益还原的物理量（float）
names = rec.sig_name                         # 通道名，按 .dat 内顺序

读取之后有三件事需要立刻核对，否则后续分析会在无声中出错。

第一，通道顺序不固定。通道在文件内的顺序并非按语义排布，健康队列与心衰队列的同名记录也可能顺序不同。所有下游代码都应按通道名索引，而不是按位置切片。

第二，单位不统一。头文件里多数通道标注为毫伏，但标注通道标注为无单位，派生量的量纲也各自独立。按位置取数再统一缩放，会把不同量纲的量混在一条曲线里。

第三，时间轴要对齐到点而非对齐到秒。所有通道采样率一致，同一条记录内不存在重采样问题；但跨记录做统计时，会话起点的绝对时间并不携带意义，任何「第几分钟」的分析都应以活动标注为锚点，而不是以记录起点为锚点。

3.5 配套代码与它的边界

研究组公开了两个仓库。其一是数据处理库，功能覆盖信号加载、可视化、心周期分割、形态学质量评估与多模态对齐；仓库根目录还放了一个脉搏波传导时间建模的笔记本示例。其二是交互式数据浏览器，用于在浏览器里按会话翻看波形。

两个仓库在检索时点都没有附带许可文件，也没有说明文档之外的复用条款。这是一个需要明确的风险点：数据是 ODC-BY，代码的授权状态却是未声明。未声明不等于禁止，但也不等于允许，需要二次分发的项目应当先与作者确认。此外两个仓库的关注度都很低，意味着社区维护的强度有限，遇到问题时难以指望有现成的补丁。

研究组还在代码库内放了一个与数据集论文相关的目录，内含论文图表的复现笔记本与两张表格的原始数据。这一目录的存在说明论文的分析材料是随代码一并公开的；但论文本身的刊名与标识并未出现在任何数据页面上，引用时应以项目页给出的数据引用格式为准。

§4 质量与已知问题

4.1 参考量的可信度：连续指压不是金标准

连续指压由指套式设备测得，原理是体积钳法：通过伺服气囊维持指端容积恒定，用气囊压力反推动脉压波形。它的优点是连续、无创、能捕捉逐搏变化；缺点是对校准高度敏感，且指端血管的收缩状态会影响读数。

数据集在这一点上没有回避。项目页明确写：该设备与有创动脉压高度相关，但不如超声心动图或动脉置管可靠；后两者成本高、有创，且无法在运动与屏气等应激条件下使用。这是一个诚实的取舍说明：在需要受试者做剧烈动作的实验室场景里，指套法是少数可行的连续参考。

对使用者的实际含义是：以连续指压为标签的模型，其上界被参考量本身的误差锁死。若模型的误差已经降到与参考量误差同量级，继续优化的意义就有限了。

数据集为此提供了掩码机制。连续压通道附带一个掩码数组，标记自动校准区间与伪迹区间；设备在开场未校准的前几分钟也被标出。这些标记落在一条专门的标注通道里，使用时应先读取该通道再决定剔除哪些时段。

4.2 派生量的样本选择问题

心输出量、每搏量与系统血管阻力三项派生量并非每场会话都有。原因写在项目页：研究进行到中途时，设备软件升级后开始支持这三项计算，此前的会话因此没有对应通道。

这一细节有一个隐蔽后果。任何「按通道存在性筛选样本」的分析——例如「取所有含系统血管阻力的记录做回归」——实际上是在按采集时间切片：先期入组的受试者被系统性排除。而先期入组与后期入组之间，可能同时存在季节、招募渠道、操作员熟练度等差异。做这类分析时应当报告被排除的记录数，并检查被排除者与保留者在人口学上是否有系统差异。

4.3 假设、支持与反对

使用者的假设	支持证据	反对证据
这份数据可以代表真实生活场景下的可穿戴表现	含多种应激活动，心率与血压跨度大	全部在实验室单间录制，无自由活动、无睡眠、无长时间佩戴；与真实生活场景的差异未量化
两队列合并可做心衰识别	每名受试者均有连续压与心音，特征齐备	年龄差近 24 岁、性别比差 21 个百分点；模型极易走人口学捷径
耳内心音可作为独立心率来源	每个会话均有双耳连续录音	运动段伪迹显著；极端情况下单侧耳机信号质量被优先保障，双侧不等质量
连续指压可作为血压真值	逐搏连续、与有创压高相关	非金标准、对校准敏感；未校准区段需掩码剔除
会话时长足够做慢变趋势分析	单条记录半小时以上	时长仍短于任何昼夜节律或体位性研究所需的跨度
活动标签可以精确切分片段	拉丁方设计、六类标注	标注粒度是活动段落而非逐秒；转场时段的归属需自行定义

这张表的作用是把「能不能用」换成「在什么条件下能用」。六个假设中没有一个被完全否定，但每一个都附带了使用前提；把前提写进方法节，比在讨论节里补一句「存在局限」更有效。

4.4 信号质量的现实分布

项目页在局限部分写道：实时监控并不完美，部分传感器存在间歇性退化，运动伪迹不可避免，耳内音频尤其明显；个别情况下，两只耳机中会优先保障一只的信号质量。

把这句话翻译成工程语言：数据的质量不是均匀的。静息段的质量通常最好，运动段最差，而这恰好与「运动段最有生理信息量」相冲突。任何以信号质量为门控的流程（例如先算质量指数再决定是否入模），都会系统性地剔除信息量最大的片段，从而高估模型在静态条件下的表现。合理的做法是分层报告：分别给出静息与应激段的结果，而不是合并成一个平均数。

4.5 去标识与语音残留

去标识按医疗数据通行标准执行，受试者以字母数字标识代替姓名。录音类数据的特有风险是语音：耳内麦克风与数字听诊器都会记录到环境声与人声。处理方式是自动语音活动检测加前后各扩展两秒的边缘保护，再经人工复核。

项目页坦承这一流程可能不完美，存在残留语音片段的可能。这不是纪律瑕疵，而是自动检测的固有边界：检测器判定为非语音的片段若含低声说话，就不会被切除。使用者在做公开演示或二次分发时，对含人声的片段应自行复核，而不是完全信赖发布方的处理。

§5 能做什么：任务清单与最小示例

5.1 项目页列出的五类方向

官方给出的可探索方向有五个，按依赖关系排列如下。

方向	输入	输出	数据条件
系统横向比较	多路信号	各系统在统一口径下的误差	齐备，无需额外标注
少研究指标回归	波形	心输出量、每搏量、系统血管阻力	仅部分会话有参考值
模型校准	波形加人群与几何信息	个体化校准参数	齐备，含传感器坐标表
耳内心音探索	双耳音频	心率、心音分段、脉搏波到达时刻	齐备
跨模态重建	一路信号	另一路信号	齐备

五个方向的共同点是都不需要新增人工标注。这是这份数据的一个实用特征：它的监督信号来自同一时刻的其他传感器，而不是来自事后标注。这使得它天然适合自监督与跨模态对比学习的研究。

5.2 方向一：系统横向比较

统一基准的核心价值在于「同一批受试、同一段活动」。举例来说，若想知道从手腕取得的光电容积脉搏波与从耳垂取得的同一种信号，在运动段的心率误差差多少，理想实验是两者同时录制、同一受试、同一动作。这份数据提供的正是这种同时性，只不过手腕一路需要由使用者自行用其他设备的公开数据补足。

5.3 方向二：少研究指标的回归

心输出量与每搏量在可穿戴场景里长期缺乏非侵入估计手段，公开参考数据稀少。这份数据把它们作为通道直接给出，使「从心音与脉搏波估计每搏量」这类问题第一次有了逐搏配对的参考。

需要注意两点。其一，参考值来自指套设备的计算而非热稀释或磁共振，本身带误差。其二，通道并非场场齐全，按记录筛选会引入时间偏倚（见 4.2）。合理的协议是先在具备完整通道的子集上做可行性验证，再在全体上做通道缺失条件下的鲁棒性检验。

5.4 方向三：模型校准

可穿戴心血管监测的一个老问题是「一人一款一套参数」：同一个模型换个人就失准。校准需要个体化的先验信息，而这份数据同时提供了年龄、身高、体重，以及传感器相对解剖标志点的二维坐标。

坐标这一项尤其少见。它让「传感器相对心脏的位置差」从不可观测变成可计算：耳垂到心脏的距离、手指到心脏的距离、胸壁加速度计与听诊器的间距，都可以由坐标直接算出。若把这类几何量与波形特征并列输入，模型有机会学到可迁移的生理规律，而不是记住某个个体的绝对时差。

5.5 方向四与五：耳内心音与跨模态重建

耳内心音是整份数据最独特的一路。它的物理成因是双重的：一方面，心脏搏动通过组织与骨骼传导到耳周，引起近端动脉扩张；另一方面，心音本身作为声波经组织传导至耳道。两路成分叠加，使耳内信号既含心音的高频瞬态，也含脉搏的低频包络。

由此展开两类任务。其一是直接任务：从耳内信号估计心率、分割心音的第一与第二心音、定位脉搏波到达耳道口时刻。其二是重建任务：以胸壁数字听诊为参考，学习耳内信号到胸壁心音的映射；或以心电为参考，学习从心电生成脉搏波的映射。后者在文献中已有先例，这份数据提供了同一时刻的高质量配对。

5.6 最小可执行示例：以活动标注切分片段

下面这一段代码演示了从读到切的最小闭环。它不做任何建模，只做三件必须做对的事：按名取通道、按标注切段、剔除无效区间。

import numpy as np, wfdb

rec = wfdb.rdrecord("data/HC_1_1/HC_1_1")
idx = {n: i for i, n in enumerate(rec.sig_name)}      # 按名索引，不按位置
x = rec.p_signal

ecg = x[:, idx["ECG"]]
ppg = x[:, idx["PPG_Ear"]]
act = x[:, idx["Activity_Annotations"]].astype(int)    # 0 静息 / 1 屏气 / 2 Valsalva / 3 运动 / 4 冷加压 / 9 不适用

valid = act != 9                                       # 先剔无效段
rest = valid & (act == 0)
stress = valid & (act == 3)

def seg(sig, mask, fs=1000, win=10):
    """把掩码为真的连续段切成 win 秒窗口，返回 (n, win*fs) 矩阵"""
    bounds = np.flatnonzero(np.diff(np.r_[0, mask.astype(int), 0]))
    out = []
    for a, b in zip(bounds[::2], bounds[1::2]):
        for s in range(a, b - win * fs + 1, win * fs):
            out.append(sig[s:s + win * fs])
    return np.array(out)

rest_ppg, stress_ppg = seg(ppg, rest), seg(ppg, stress)

代码里有三处刻意写明的约束。第一，通道按名索引，因为不同记录的通道顺序不一致。第二，先剔除标注为 9 的区间，再按活动取段，否则转场时段会混入相邻活动。第三，窗口切分只在连续段内进行，不跨越活动边界——跨边界的窗口会把静息与运动拼在一起，其特征既不属于前者也不属于后者。

5.7 五个可落地的小课题

以下五个题目都能在单机、单卡上完成，且每个都有一个明确的对照。

课题	对照条件	可检验的假设
耳垂与手指脉搏波的心率误差对比	同受试、同活动	运动段耳垂优于手指
耳内心音与胸壁心音的到达时差	同受试、同活动	时差随应激活动系统性变化
传感器几何坐标对时差的可解释度	含坐标与不含坐标	含坐标的模型跨受试迁移更好
连续指压掩码对血压回归的影响	剔除与不剔除掩码区间	剔除后误差下降但样本量减少
单侧耳机信号退化时的双耳融合	单耳与双耳	融合在单耳退化段显著更好

五个题目共同的方法学要求是：按受试者划分训练与测试，而不是按窗口划分。同一受试者的相邻窗口高度相关，若按窗口随机切分，测试集与训练集在事实上共享了同一套个体特征，得到的分数会显著乐观。留一受试者或留一会话是这份数据上更合理的默认切分。

§6 常见误读与引用陷阱

6.1 误读对照表

常见说法	实际口径	证据位置
「Auricle 是一款耳机产品」	数据集名称，取自耳廓一词；采集用的是改装后保留入耳麦克风的商用降噪耳机	项目页摘要与说明文档
「这是 70 条记录」	受试者数不等于记录数，健康队列有返场	记录清单逐行计数
「两队列人数相当，便于配对」	42 对 28，且年龄差近 24 岁、女性比例差 21 个百分点	人口学表
「全部记录通道数相同」	抽查头文件显示通道数随会话与设备软件版本变化	头文件首行通道数
「每条记录都是一小时」	实际记录约 30 至 43 分钟；一小时指会话总时长，含布置与校准	头文件采样点数换算
「发布采样率就是原始采集率」	采集端更高，发布前统一降采样	项目页
「有官方基准分数可以直接对标」	无划分、无基线分数，只有方向性建议	项目页使用说明
「连续指压等同于动脉置管金标准」	指套体积钳法，与有创压高相关但对校准敏感	项目页局限
「数据需申请或签署协议」	ODC-BY 1.0，无需申请，署名即可	许可文件
「代码与数据同一许可」	两个代码仓库检索时未附许可文件	代码托管页面
「心输出量等派生量人人都有」	仅部分会话具备，因设备软件中期升级	说明文档
「冷加压数据覆盖全队列」	心衰队列跳过冷加压，两队列活动集合不对等	项目页应激协议

6.2 技术陷阱的补充说明

陷阱一（坑 1）：把「会话编号」当成「受试者编号」。 记录名由三段组成，第二段是受试者编号，第三段是会话编号。健康队列的 1 与 2 是同一人的两场；心衰队列只有 1。若把记录名直接当作受试者标识，同一人会被当成两个人，留一受试者验证会泄漏。

陷阱二（坑 2）：心衰队列的编号不连续。 记录清单里心衰受试者编号从 101 起，但不逐个连续，跳过的编号没有对应记录。用编号范围反推人数会算多。

陷阱三（坑 3）：派生量与波形同名不同义。 通道表里同时存在由设备直接测得的波形通道与由设备计算的派生通道，两者名相似而含义不同。按名模糊匹配（如按「血压」子串匹配）会把收缩压、舒张压、平均压与臂带压一并选中。

陷阱四（坑 4）：标注通道是数值化编码而非文本。 活动标注以整数写入通道，含义需查活动标签表。直接把该通道当生理量参与特征标准化，会把类别编号当成幅度，量纲完全错位。

陷阱五（坑 5）：把「无单位」通道纳入统一缩放。 头文件里标注通道的单位写为无单位。若在全通道上做统一的按通道归一化，这些通道会被放大成极端值。

陷阱六（坑 6）：以记录起点为时间原点做跨记录平均。 各会话的记录起止由操作员控制，起点对应的生理状态并不一致。跨记录按时间平均会把不同活动阶段混叠；以活动标注为锚点是唯一稳妥的坐标。

陷阱七（坑 7）：忽略单侧耳机退化。 个别会话中一只耳机的信号质量被优先保障，另一只较差。直接对双耳取平均，会把坏的那一路的伪迹带进结果。

§7 在生态中的位置

7.1 与无袖带血压数据家族的关系

无袖带血压估计是近十年可穿戴领域最拥挤的赛道之一，公开数据大致分三类：以侵入式动脉压为参考的院内波形库、以袖带压为标签的便携采集、以及以连续指压或容积钳法为参考的实验室采集。

类型	参考量性质	典型优势	典型短板
院内侵入式动脉压库	动脉置管，逐搏真值	参考最可靠，规模大	场景限于手术与重症，无自由活动
便携袖带标签采集	间歇袖带压	贴近真实使用场景	标签稀疏，一场会话仅数个时间点
实验室连续指压采集	指套体积钳法	逐搏连续，可做应激实验	非金标准，对校准敏感

Auricle 属于第三类，同时叠加了「耳部形态因子」与「多模态同步」两个额外维度。它不试图取代前两类，而是补上一个前两类都缺的组合：同一受试在多种应激状态下，耳部、手指、胸壁三处同时记录。

7.2 与心音类数据的关系

公开心音数据多来自数字听诊器，录制的是胸壁声音，任务是心音分类与异常检测。Auricle 的独特之处是把心音搬进了耳道：同一颗心脏的声音，在胸壁与耳道两个位置同时被录下。这为「跨位置的声音一致性」提供了直接可比的配对，也为「用耳机做心音筛查」这一设想提供了可检验的素材。

两者并非替代关系。胸壁听诊是临床标准，耳道心音是新形态；后者的价值取决于它与前者的一致性能否被量化，而这份数据正是为量化这件事准备的。

7.3 与自由活动类可穿戴数据的关系

另有一批公开数据强调「真实生活」：连续数日佩戴、日常活动、睡眠、工作。这类数据的优势是生态效度高，短板是没有同步的临床级参考量——受试者不可能在日常生活中背着连续压设备过一周。

Auricle 的选择相反：牺牲生态效度，换取参考量密度。两种设计服务于不同问题。想回答「这个算法在真实生活里能不能用」，需要自由活动数据；想回答「这个信号本身含多少心血管信息」，需要高参考密度的实验室数据。把后者当作用前者，是最常见的误用。

7.4 库内可互链条目

条目	编号	互链理由
PulseDB	182	无袖带血压估计的院内侵入压参考库，与 Auricle 的实验室连续压形成两端对照
CardioWave-Portable	1005	便携心电与脉搏波配袖带压标签，补上 Auricle 缺的间歇袖带标签视角
MIMIC PERform	805	重症监护脉搏波心跳检测基准，代表院内高采样一端
MIMIC-III-Ext-PPG	928	重症监护脉搏波心律基准，可与耳垂脉搏波做跨场景对照
PhysioNet/CinC 2016	382	公开心音分类基准，与数字听诊通道同源任务
MIMIC-IV-ECG	172	院内十二导联心电，可作心电特征的参照分布
Wearable Exam Stress	807	真实考场可穿戴多模态，属非心血管专项的应激数据
ScientISST MOVE	808	自由活动可穿戴多模态生物信号，代表生态效度一端
SeizeIT2	1030	耳后多模态可穿戴癫痫监测，同属耳部形态因子
OHHR	1178	听力健康队列，耳部测量的另一条技术路线

这张表可以按「参考量性质」与「形态因子」两个轴重新阅读：横轴从侵入压到袖带压到无参考，纵轴从腕部到耳部到胸壁。Auricle 落在「实验室连续压 × 耳部与胸壁多模态」的格子里，这一格在公开数据中此前长期空置。

§8 对 AI-Ready 方法论的启示

8.1 一份数据能否被机器直接读懂

把「AI-Ready」拆成可检验的四条：机器可读、许可清晰、元数据到列级、有可运行的读取路径。逐条对照这份数据：

维度	状况	判断
机器可读	WFDB 是生理信号领域的标准交换格式，主流语言均有解析库	满足
许可清晰	ODC-BY 1.0，单一条款，无附加限制	满足
元数据到列级	头文件逐通道给出名称、单位、增益、基线；三张 CSV 给出人口学、活动映射与几何坐标	满足
可运行读取路径	有官方解析库与可视化器	部分满足（代码无许可声明）
有官方评测口径	无划分、无基线	不满足

前三条是这份数据的强项，第四条留下了缺口。缺口不在数据本身，而在「评测共识」这一层：同一份数据交给两个团队，可能得出两套互不可比的分数，因为切分方式、参考量选择、无效段剔除策略都由使用者自定。

8.2 缺评测口径的代价与补救

缺官方口径的代价并非无法使用，而是使用结果难以横向比较。补救办法有三条，代价递增。

其一是自报协议：在论文中明确写出受试者级切分、通道存在性筛选规则、掩码剔除规则、参考量选择。这是最低成本的做法，也是社区惯例。

其二是发布协议脚本：把切分与评估写成可执行的代码并公开，使他人能逐位复现。这需要额外工程投入，但收益是可复现性从「描述」升级为「执行」。

其三是社区共建基准：由第三方牵头组织公开评测。这条路依赖社区规模，而这份数据刚上线不久，短期内难以成形。

8.3 「同源多模态」作为一种标注替代

这份数据最值得方法论层面注意的一点是：它的监督信号大量来自同源传感器，而非人工标注。心音可以给心率提供参考，心电可以给脉搏波提供参考，连续压可以给派生量提供参考。这种结构让「标注成本」从人力问题变成传感问题。

代价是参考与被参考之间存在相关性：若两路信号受同一个伪迹影响，用一个去监督另一个会系统性地低估误差。这一点在使用同源监督时必须写进方法的限制部分。

§9 使用建议：分角色路径

9.1 三类使用者的最短路径

角色	第一件事	第二件事	最容易踩的坑
只想快速看一眼信号	用在线浏览器翻两三条记录	对照头文件确认通道名	把标注通道当生理量
要做建模	先统计通道存在性分布	定义受试者级切分	按窗口随机切分导致分数虚高
要做生理机制分析	先取传感器坐标表	按活动标注分层	以记录起点为时间原点跨记录平均

9.2 建模流程的五道检查

在把任何模型跑通之前，建议依次完成五项检查。第一项，统计全部记录中每一路通道的出现次数，明确可用样本量；这一步决定了后续所有实验的天花板。第二项，按受试者切分训练与验证，确保同一受试者不出现在两侧。第三项，按活动标注分层，报告静息与应激两类的分别结果。第四项，读取掩码通道，剔除设备未校准与伪迹区间，并报告剔除比例。第五项，检查双耳信号的质量差异，决定是取平均、取优还是分别建模。

五项检查都不涉及建模技巧，却决定了结果的解释力。跳过任何一项，得到的数字都可能在换一个切分后大幅漂移。

9.3 不建议的用法

有三种用法在这份数据上风险明显。

第一种，用它训练「心衰检测」分类器并在同一数据上报告高分。两队列的年龄与性别差距过大，模型几乎必然走人口学捷径，分数不能迁移到任何真实筛查场景。

第二种，把整段会话当作一个样本做慢病风险预测。单场会话三十分钟到四十余分钟，不含昼夜节律、体位变化与长期趋势，不足以支撑慢病层面的推断。

第三种，用它的连续压标签训练模型后，直接在消费级设备上部署而不做域适配。指套设备的校准状态与消费级设备的光学条件差异极大，跨设备部署必然掉分。

§10 与同类耳部可穿戴数据的横向比较

10.1 按形态因子排列

耳部可穿戴监测并非只有一条技术路线。按传感位置与信号类型，公开数据大致分布在四个角落：

路线	代表信号	代表数据	与 Auricle 的差异
耳道内声学	耳内心音、耳道声压	本数据集	同时含声学与光学两路
耳后电生理	耳后心电、脑电	耳后可穿戴癫痫监测类数据	以电生理为主，无声学
耳垂光学	耳垂脉搏波	多部位脉搏波类数据	单一光学路，参考量较弱
耳部形态与听觉	听阈、言语识别	听力健康队列	功能评估而非心血管

四类数据的共同点是把耳朵当作「贴近头部血管与神经的窗口」，差异在于取的是什么物理量。这一视角有助于理解为什么 Auricle 把耳内心音放在显著位置：它是四类中唯一能把声学与光学同时放在同一条耳道里的方案。

10.2 耳戴形态的固有优势与代价

优势有三。其一是灌注稳定：耳垂与耳道周围血供丰富、组织薄，光学测量的信噪比在运动条件下通常优于腕部。其二是位置固定：耳机佩戴后相对头部的位移远小于手表相对腕部的位移。其三是硬件已存在：入耳麦克风是降噪耳机的必需件，不需要新增传感器。

代价同样有三。其一是舒适度与依从性：长时间入耳佩戴的接受度低于手表。其二是双侧不对称：两只耳机的贴合度难以完全一致，信号质量天然有差。其三是运动伪迹的频谱与心音重叠：咀嚼、说话、头部转动的振动会直接耦合进入耳道，难以用简单滤波分离。

§11 统计效能与样本量规划

11.1 七十人的样本能支撑什么

样本量的约束不是「七十人多不多」，而是「七十人分成两组后每组多少」。两队列分别是 42 人与 28 人，健康队列返场后会话更多。按受试者级切分做二分类，测试集若取五分之一，健康队列只有个位数受试者进入测试，置信区间会非常宽。

一个粗略的量级判断：在受试者级留一验证下，二分类准确率的置信区间半宽与测试受试者数的平方根成反比。样本规模决定了任何「组间差异显著」的结论都需要在多个随机划分上重复，并报告分布而非单点。

11.2 会话数与受试者数的双重结构

这份数据有一个常被忽略的结构优势：健康队列的部分受试者有两次会话。这构成了一个天然的两层结构——受试者内与受试者间。分析时若只用受试者数做分母，会浪费第二次会话提供的信息；若只用会话数做分母，又会高估独立样本量。

正确的处理是分层模型或聚类稳健标准误：把会话视为嵌套在受试者内的观测，让同一个人两次会话的残差相关被显式建模。这样既不浪费数据，也不虚增样本量。

11.3 效应量优先的报告方式

在样本量有限的前提下，报告效应量比报告显著性更有信息量。具体到这份数据，可报告的效应量包括：同一受试者在静息与应激之间的心率差、耳垂与手指脉搏波在同一窗口内的心率估计差、含与不含几何坐标的模型在同一测试集上的误差差。

这些量的共同点是有明确的物理意义与单位，且不依赖样本量的大小即可解释。相比之下，一个「显著」的检验结果在小样本下更可能是偶然，而不是发现。

§12 常见技术失败模式

12.1 跨记录拼接导致的静默错误

最常见的一类错误发生在把多条记录拼成一个大矩阵时。记录长度不一，若按最短长度截断，会丢掉较长记录的后半段；若补零对齐，零值会在后续归一化时被当成真实信号。正确做法是先按活动标注切出等长窗口，再在窗口层面拼接，而不是在记录层面拼接。

12.2 归一化泄漏

按全数据集统计的均值与方差做标准化，会把测试集信息泄漏进训练流程。这份数据的受试者间差异本来就大，全数据集归一化相当于把个体差异提前抹平，测试分数虚高。按受试者或按会话做归一化更贴近部署条件，也更能暴露真实的跨人泛化难度。

12.3 活动边界的归属歧义

活动标注给出的是段落，而段落之间的转场——例如从静息起身开始运动的那几秒——归属并未规定。若在窗口切分时不设缓冲区，这些转场窗口会同时含有两种活动的特征。稳妥的做法是在每段两端各留数秒缓冲并丢弃，或在方法中明确转场窗口的归属规则。

12.4 伪迹与生理信号的重叠

运动伪迹与生理信号在频域上重叠，简单的带通滤波无法分离。这份数据为此提供了胸壁加速度计通道：加速度是运动伪迹的直接来源，可以用自适应滤波把它从脉搏波或心音中扣除。忽视这一通道、只靠频域滤波，是运动段误差偏高的主因之一。

12.5 把派生量当真值

派生量通道（心输出量、每搏量、系统血管阻力）由设备软件计算，本身是估计值而非测量值。以它为标签训练模型，学到的是「如何复现该设备算法」，而不是「如何估计真实血流动力学」。这一区别在讨论节里必须点明，否则容易被误读为模型具备了生理测量能力。

§13 DAIMS 评估

DAIMS 是一套面向数据资产的数据成熟度评估框架，从数据本体、元数据、质量、可获取性与治理五个维度打分。下表按其常用维度对这份数据做分级判断，等级 A 至 D 依次表示证据强度递减。

维度	观察	等级	依据
数据本体的完整度	波形、标注、人口学、几何坐标齐备，格式标准化	A	三条独立来源（项目页、说明文档、头文件）一致
元数据的列级覆盖	头文件逐通道给出单位与增益，但通道数随会话变化	B	元数据齐备，一致性需使用者自行处理
质量控制的透明度	掩码机制、局限清单、语音处理流程均公开	A	局限逐条列出，掩码可机读
可获取性	无需申请、无需协议，校验和齐备	A	许可与下载路径均公开可验
评测口径	无划分、无基线分数	D	页面明确不提供
治理与追溯	伦理编号双轨公开，去标识方法公开	B	编号公开，但逐记录的采集日期与操作员未披露
代码生态	有解析库与可视化器，但无许可声明、社区规模小	C	仅单一来源，且授权状态不明

这张表的读法是：数据本体与获取路径接近满分，评测与代码两端是短板。对打算长期依赖它的团队，短板意味着额外的前期投入——要自己建立划分与协议，也要自己评估代码的可持续性。

§14 时间线与版本演进

时点	事件
采集期	两队列在实验室完成受控应激协议录制，伦理审批分两轨
代码准备期	数据处理库仓库创建，随后加入论文图表复现材料
发布准备期	可视化器仓库创建，用于上线后的数据浏览
2026 年 10 月 13 日	PhysioNet 发布 v1.0.0，ODC-BY 1.0
检索时点	唯一版本，累计浏览量为两位数，尚无第三方复现报告

这份时间线的一个特征是「代码先行、数据后至」：解析库比数据早数月公开，说明团队在数据处理链路上做了准备，而不是把原始文件直接倾倒。这一顺序对使用者的实际好处是，下载完成后不必从零写解析器。

§15 复用规范与引用

15.1 引用怎么写

正式引用应包含作者、年份、数据集标题、版本号、平台与数字对象标识。项目页给出的是数据引用格式，而非论文引用格式。若同时引用随数据公开的分析材料，应另外标明来源为代码仓库。

15.2 衍生作品怎么标

ODC-BY 的义务集中在署名。衍生数据库应当注明：原始数据来源、许可名称、修改内容。修改内容的披露不是形式要求——若对波形做了滤波、对片段做了裁剪，这些处理会改变数据的可用边界，下游使用者有权知道。

15.3 再分发的边界

再分发原始数据本身是允许的，条件是保留署名与许可。需要注意的是许可原文的声明：它只管数据库层面的权利，不覆盖库内单条内容可能涉及的第三方权利。若要把耳内录音单独提取做成音频数据集发布，应当先确认这一路内容是否存在额外权利限制。

§16 局限与未知

16.1 官方未披露的信息

以下几项在检索时点的官方材料中没有明确答案，使用时不宜假设。

其一是随数据论文的正式发表信息。代码仓库内有论文图表的复现材料，但论文的刊名、卷期与标识未出现在任何数据页面上。

其二是逐记录的采集时间。人口学表给出受试者级信息，但每条会话的录制日期与操作员未披露，因此无法做季节或批次效应分析。

其三是派生量的具体计算版本。设备软件在研究中途升级，但升级的具体时点与版本号未在页面中给出，只能从通道存在性反推。

其四是两队列之间是否有受试者重叠。页面按队列分别描述，未说明是否存在同时属于两侧的情况；按设计推断不应存在，但官方未明示。

16.2 已知的度量为推断而非原文的部分

体积与记录时长两处数字，本文的呈现方式是基于官方数字的换算而非原文直引。体积直接取自项目页；记录时长由头文件的采样点数除以采样率得到，项目页本身只给「约三十分钟」的协议描述。凡以换算方式得到的数字，在使用时应当注明推导过程。

§17 总结

17.1 三句话

第一，它是一份把耳道变成心血管传感位置的实验室多模态数据，核心增量是双耳耳内心音与十余路参考信号的同步录制。

第二，它的强项是参考密度与获取门槛——无需申请、无需协议，元数据到通道级；它的短板是评测口径与代码授权，两者都需要使用者自行补齐。

第三，它最适合回答「某一路信号本身含多少心血管信息」，最不适合回答「某算法在真实生活里能不能用」。

17.2 适用与不适用

判断	说明
适合做模态对照研究	同一受试、同一活动、多路信号同时录制
适合做耳部信号的方法学验证	耳垂与耳道两处信源可交叉验证
适合做应激响应的生理分析	六类活动覆盖静息到主动施压
不适合做心衰筛查模型	两队列人口学不可比
不适合做长期趋势分析	单场会话仅半小时量级
不适合做自由活动场景验证	全部为实验室受控录制

17.3 三十秒决策卡

若你关心的是耳部可穿戴信号的信息含量，直接下载，先读头文件再看波形。若你关心的是真实场景部署，把它当作验证集而非训练集。若你关心的是临床筛查，换一份队列匹配的数据。

附录

附录 A：条目信息速查卡

字段	值
全称	Auricle: A Multimodal Wearable Sensing Dataset for Cardiovascular and Hemodynamic Assessment
平台与版本	PhysioNet，v1.0.0（2026-10-13）
数字对象标识	版本级 10.13026/swme-vp69；最新版级 10.13026/9kme-d575
受试者	健康队列 42、心衰队列 28
记录	健康队列多于人数，心衰队列一人一条
记录命名	队列_受试者编号_会话编号
采样率	统一降采样后的最终值
通道数	随会话与设备版本变化
时长	单条约 30 至 43 分钟
体积	未压缩与压缩体积见项目页
许可	ODC-BY 1.0
校验	根目录校验和清单
配套代码	解析库与可视化器各一

附录 B：通道字典与可靠性标注

通道	单位	来源	字段可靠性
ECG	毫伏	三导联电极	依惯例推定（页面仅述导联配置）
Digital_Stethoscope	毫伏	胸壁数字听诊器	依惯例推定
Earbud_Left / Earbud_Right	毫伏	改装降噪耳机入耳麦克风	依惯例推定
Accelerometer_X/Y/Z	毫伏	胸壁三轴加速度计	依惯例推定（原始为加速度，头文件单位为毫伏）
PPG_Finger	毫伏	左食指透射式探头	依惯例推定
PPG_Ear	毫伏	左耳垂透射式探头	依惯例推定
Systolic_BP / Diastolic_BP / Mean_BP	毫伏	指套连续压设备	语义存疑（物理量应为压力，头文件单位标为毫伏）
NIBP	毫伏	周期式臂带	语义存疑（同上）
Respiration_Belt	毫伏	胸腹呼吸带	依惯例推定
Heart_Rate	毫伏	连续压设备派生	语义存疑（同上）
Cardiac_Output / Stroke_Volume / SVR	毫伏	连续压设备派生	语义存疑（同上）
Activity_Annotations	无单位	人工与协议标注	已核对（取值与标签表逐一对应）
CNAP_Annotations	无单位	设备生成	语义存疑（具体码表未在数据页公开）

「语义存疑」一项需要额外说明：WFDB 头文件对全部通道使用统一单位字段，压力与容积类通道在头文件里同样写作毫伏。这不影响数据本身的可用性，但意味着从整数还原物理量时，缩放系数的来源需按通道分别确认，不能依赖头文件的单位标记。

附录 C：关键数字速查

数字	含义	出现位置
70	受试者总数	人口学表
107	记录总数	记录清单逐行计数
51.2	心衰队列年龄均值	人口学表
27.4	健康队列年龄均值	人口学表
79	健康队列记录数	记录清单
28	心衰队列人数与记录数	人口学表
37	完成第二场会话的健康受试者数	项目页
10 kHz	采集端采样率	项目页
15.4 GB	未压缩体积	项目页
43	最长记录时长（分钟，接近值）	头文件换算
10 kHz	采集端采样率	项目页

附录 D：检查清单

下载与读取阶段：

• 核对校验和清单，确认无截断文件
• 读头文件首行，确认通道数与采样点数
• 按通道名建索引，不在代码中写死位置
• 确认单位与增益，按通道还原物理量

建模阶段：

• 统计各通道的出现频率，确定可用样本量
• 按受试者切分，同一人不跨训练与测试
• 按活动分层报告，不合并静息与应激
• 读取掩码通道，剔除未校准与伪迹段并报告比例
• 检查双耳质量差异，决定融合策略

报告阶段：

• 声明参考量的性质与已知误差
• 声明派生量是设备计算值而非直接测量值
• 声明切分方式与无效段剔除规则
• 报告被排除的会话数与排除理由

附录 E：未覆盖内容

以下内容不在本文的覆盖范围内，需要时请回到一手材料。

其一是论文层面的实验结果：随数据发布的复现材料包含心率相关性与脉搏波到达时差分布的图表，其具体数值未在本文呈现。

其二是逐会话的信号质量统计：官方未给出每场会话的质量评分，本文亦未对全部记录做质量计算。

其三是设备的详细校准流程：页面描述了掩码机制，但未逐步说明校准的操作步骤与判定阈值。

其四是心衰队列的用药与设备干预细节：人口学表含用药字段，但其与信号的关系未在本文分析。

附录 F：检索模板

在学术检索引擎中定位这份数据及其衍生研究，可用下列组合。

目的	建议检索式
定位数据本身	数据集名加平台名
找耳内心音方法学	耳内心音 加 心血管 加 可穿戴
找无袖带血压对照	无袖带血压 加 光电容积脉搏波 加 参考数据集
找耳部脉搏波	耳垂 加 脉搏波 加 运动伪迹
找跨模态重建	心电 加 脉搏波 加 重建 加 生成

中文检索时需注意：「耳戴」与「耳内」是两个不同限定词，前者指佩戴形态，后者指信号位置；把两者混用会漏掉一半相关文献。

附录 G：DAIMS 口径说明

本文的 DAIMS 表按数据本体、元数据、质量控制、可获取性、评测口径、治理追溯、代码生态七个维度展开。等级判定的规则是：A 表示至少三条独立来源一致，B 表示两条来源一致，C 表示单一来源，D 表示官方明确缺失。这一规则与库内其他条目的分级口径一致，便于跨条目比较。

编辑说明

• 核验时点：2026-10-17，围绕 PhysioNet 项目页、说明文档、记录清单、校验和、三张 CSV 表与两个代码仓库的一次性核对；未重试失败的请求超过一次。
• 双口径冲突存照：其一，健康队列年龄上限，项目页写 55，人口学表实际最大为 57，正文取数据文件口径；其二，心衰队列年龄均值，项目页写 52.2 加 15.2，人口学表与表格数据均为 51.2 加 15.1，正文取两源一致值；其三，单场会话时长，项目页写约 30 分钟，头文件换算为 29.5 至 43.3 分钟，正文写为区间；其四，通道计数，说明文档写九个生理通道、摘要写十一路波形、头文件实测 17 至 20 通道，正文以头文件为准并说明三者来源。
• 遗留疑点：随数据论文的刊名与标识未在任何一手页面出现；代码仓库内的论文目录含图表复现材料但无正文；一张血流动力学统计表的抓取两次超时，其数值未取得；记录级采集日期与操作员未披露。
• 正文中所有换算得到的数字（记录时长、单条平均体积）均已在相应段落注明推导方式，未替换原文表述。
• 下次复核触发点：出现第二版、出现官方基准或划分、代码仓库补充许可文件。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• icentia11k — 共享标签：生理信号 / 可穿戴传感 / 心电信号 / 心血管疾病 / 评测基准
• mimic-perform — 共享标签：生理信号 / 可穿戴传感 / 心电信号 / 心血管疾病 / 评测基准
• cinc-2011 — 共享标签：生理信号 / 可穿戴传感 / 心电信号 / 心血管疾病
• butppg — 共享标签：生理信号 / 可穿戴传感 / 心电信号 / 心血管疾病
• scientisst-move — 共享标签：生理信号 / 可穿戴传感 / 心电信号 / 评测基准
• cardiowave-portable — 共享标签：生理信号 / 可穿戴传感 / 心电信号 / 心血管疾病
• ieeepg — 共享标签：生理信号 / 可穿戴传感 / 心电信号 / 评测基准
• code-test — 共享标签：生理信号 / 心电信号 / 心血管疾病 / 评测基准
• ecg-arrhythmia — 共享标签：生理信号 / 心电信号 / 心血管疾病 / 评测基准
• ecg-fragment-high-risk-label — 共享标签：生理信号 / 心电信号 / 心血管疾病 / 评测基准

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。