MIMIC-III-Ext-PPG — 重症监护光电容积脉搏波心律基准

INFOBOX — MIMIC-III-Ext-PPG 一屏速览

维度	内容
本质	从 MIMIC-III Waveform Database Matched Subset 抽取的 PPG 30 秒分段大规模标注+质量评估基准（非新采集，是波形库的再加工衍生品）
团队	University of Oldenburg（AI4Health）+ University of Cambridge；第一作者 Moulaeifard，资深 Strodthoff / Charlton
发布	PhysioNet；v1.0.0 于 2026-02-04，v1.1.0 于 2026-03-17（当前）
规模（v1.1.0）	6,189 名患者；6,399,754 条 30 秒分段；合计 ~53,331 小时
规模（v1.0.0）	6,131 名患者；4.9 million 条分段（旧口径，需存照）
采样	125 Hz（继承波形库），30 秒非重叠窗口
通道	PPG（PLETH） 为主 + 并行 ECG（lead II）/ ABP / RESP（可用时）
标签	心律 27 类（SR/STACH/AF/SBRAD/VPACE…VFIB/ASYS），取自 event_rhythm 列
标注原理	PPG 分段位于病历心律记录前 15 分钟窗口内，以 chart event 心律为参考
派生参数	HR / RR / SBP / DBP（分段级 median + IQR）+ SQI 整数质量码
任务	心律分类、房颤检测、血压估计、呼吸率估计、心率估计、信号质量评估
获取	PhysioNet Credentialed Access：认证 + DUA 1.5.0 + CITI 培训
许可	PhysioNet Credentialed Health Data License 1.5.0（非开放许可）
格式	WFDB（.hea/.dat）+ metadata.csv；兼容 wfdb/biosppy/neurokit2/MATLAB/Julia
一句话	「把 ICU 床边监护仪的脉搏波，切成 630 万片 30 秒的带标签体检报告」

§0 导读：这个数据集解决什么问题

ICU（重症监护病房）里，床边监护仪几乎不间断地记录患者的多路生理波形——其中一路是 光电容积脉搏波（PPG, photoplethysmography），也就是脉搏血氧探头下面那条随心脏搏动起伏的容积曲线。与此同时，智能手表、手环等可穿戴设备也大量采集 PPG 与 ECG，用于健康监测。围绕这些信号，学界有三大类下游任务：心律失常检测、血压估计、信号质量评估。

问题在于：公开可用的 PPG 数据集往往要么规模太小，要么缺标签，要么只支撑单一任务。做深度学习研究的人常常陷入两难——用规模小的数据集，模型学不出泛化能力；用没有心律标签的波形库，又无法做分类监督。DeepBeat、PulseDB、MIMIC-BP 等既有资源各有所长，却都无法同时满足「大规模 + 丰富心律参考标签 + 多任务支持」。

MIMIC-III-Ext-PPG 正是为填这个空档而生。它从公开的 MIMIC-III Waveform Database Matched Subset （本库已收录，rid 587）出发，把 ICU 波形中所有「含有效 PPG 通道且时间上能与病历心律记录对齐」的记录筛出来，切成 30 秒非重叠分段，并为每一段配上：

• 来自病历的心律标签（窦性心律、房颤、房扑、传导阻滞、起搏……共 27 类）；
• 可用时并行的 ECG（lead II）、动脉血压（ABP）、呼吸（RESP） 通道；
• 从这些信号派生出的 心率、呼吸率、收缩压/舒张压；
• 每一路信号的质量指数（SQI）。

结果是当今最大的公开心律分类资源：v1.1.0 达 630 万条 30 秒 PPG 分段、6,189 名危重患者、约 53,331 小时。它的核心设计巧思在于标注来源——不是从头请医生逐搏标注，而是利用 ICU 病历里本来就被人为记录下来的心律 chart event，把「该事件发生前 15 分钟内」的 PPG 视为该心律的样本。这一「借力既有临床记录」的思路，既几乎零成本地拿到了高质量参考标签，又符合心律-信号时序关系的生理学最佳实践。

需要立刻明确的一点：本数据集不是新采集的数据，而是对既有波形库的系统性再加工；它也不是开放许可，而是 PhysioNet 的**认证访问（Credentialed Access）**资源，需签署数据使用协议并持 CITI 培训证书才能下载。这两点决定了它的使用门槛与合规边界，本条目会在 §6 详述。

§1 数据集速览：十四问十四答

Q1：它到底是什么？
一个从 MIMIC-III 波形库抽取、切成 630 万条 30 秒 PPG 分段的心肺信号基准数据集，带有心律标签、并行多通道信号、派生生理参数与信号质量码。

Q2：多大？
v1.1.0：6,189 名患者、6,399,754 条 30 秒分段、约 53,331 小时。v1.0.0 口径为 4.9 million 段 / 6,131 名患者。两个版本必须分列。

Q3：哪来的？
MIMIC-III Waveform Database Matched Subset（本库 rid 587）——BIDMC 与 MIT 采集的 ICU 床边监护波形，去标识后公开。

Q4：采样率？
125 Hz。这与 MIMIC-III 波形库一致，满足 PPG 波形形态分析所需带宽。

Q5：有哪些信号？
以 PPG（PLETH） 为主通道；同记录中并行提供 ECG lead II、ABP、RESP（存在即给）。

Q6：标签怎么来的？
从病历的心律 chart event（event_rhythm）取得。PPG 分段位于该记录前 15 分钟窗口内，视为对应心律样本。

Q7：多少类心律？
27 类。最大类窦性心律 SR（3,950,724 条，约 61.7%），其次窦性心动过速 STACH（1,192,025）与房颤 AF（597,769）；罕见类如 VFIB、ASYS 仅百量级。

Q8：能做什么任务？
心律分类、房颤检测、血压估计、呼吸率估计、心率估计、信号质量评估——官方定位为「benchmarking deep learning models」。

Q9：怎么拿？
PhysioNet 认证访问：注册并完成认证 → 签署 DUA 1.5.0 → 持 CITI 培训证书 → 下载 WFDB 文件。

Q10：许可自由吗？
不自由。采用 PhysioNet Credentialed Health Data License 1.5.0，是受限的临床数据许可，不能自由再分发。

Q11：它相对同类数据集最大优势？
规模。 630 万分段远超多数公开 PPG 数据集，且心律标签丰富（27 类）、多任务共用底座、每路信号带质量码——官方称其为「largest public resource for heart rhythm classification」。

Q12：最容易被误用的一点？
按分段随机划分训练测试集。 同一患者贡献大量分段，随机划分会造成患者泄漏、性能虚高。正确做法是按 subject_id 分组划分。

Q13：论文发在哪？
Scientific Data 2026;13(1):668（配套基准论文见 arXiv:2603.21832）。

Q14：值不值得用？
若你的任务是 PPG 心律/血压/呼吸的深度学习且能接受认证门槛——值得，它是当前规模最大、标签最全的选择之一。若你需要开放许可或极小规模快速原型——不划算，改用公开替代（如 MIMIC-III Demo）。

§2 数据构成与规格

2.1 源起：从波形库到分段基准

MIMIC-III-Ext-PPG 的血缘非常清晰，是一条三层的再加工链：

1. 最底层：MIMIC-III Waveform Database——ICU 床边监护仪采集的数字化波形全库（本库 rid 586）。
2. 中间层：MIMIC-III Waveform Database Matched Subset——把部分波形记录与 MIMIC-III 临床库（本库 rid 590 / rid 106）匹配起来的子集（本库 rid 587），提供人口学与详细临床信息。
3. 加工层（本数据集）：从 Matched Subset 抽取含 PPG 的记录，切分、标注、派生参数、计算质量码。

因此，理解本数据集的关键是它不产生新的患者数据，其一切价值来自「对既有波形的结构化、可监督化、可评估化」。这也解释了为何它的获取门槛与源库一脉相承——都是 PhysioNet 认证访问。

2.2 纳入与排除标准（官方原文逻辑）

纳入需同时满足：

• 记录含 PPG/PLETH 通道且采样元数据有效；
• 该记录时间区间与至少一个心律 chart event 重叠；
• 能以 WFDB 格式成功解析；
• 质量过滤前已含 ≥30 秒非平线、非空的 PPG 信号。

排除条件：

• 不含 PPG 信号；
• 波形时间跨度内无心律 chart event；
• WFDB 文件损坏或不可读；
• PPG 通道整体为平线、恒定值、NaN 或缺失。

分段后，不足 30 秒的残片一律丢弃——这保证了所有分段长度严格一致，便于批处理与张量对齐。

2.3 规格一览表

项目	规格
分段长度	30 秒（非重叠）
采样率	125 Hz
单分段采样点	3,750 点/通道
主通道	PPG（PLETH）
并行通道	ECG（lead II）、ABP、RESP（可用时）
文件格式	WFDB（.hea 头 + .dat 数据）
元数据	metadata.csv（含 folder_path、subject_id、event_rhythm、时间戳等）
文件命名	<record_id>_<event_id>_<segment_id>.hea/.dat
目录结构	pXX/pXXXXXX/（pXX = subject_id 前两位零填充，pXXXXXX = 补足 6 位）
预处理	无（官方明示未做滤波/去噪/归一化）
时间戳	继承 MIMIC-III 的日期平移（date-shifted）——随机前移到未来的匿名化时间

2.4 四任务子集规模

官方 Dataset Summary 表给出四个任务各自可用子集（患者数 / 30s 分段数 / 总时长 / 年龄）：

任务	患者数	30s 分段数	总时长(h)	年龄均值±SD
Heart Rhythm	6,189	6,399,754	~53,331	64.1 ± 17.0
RR（呼吸率）	4,695	5,546,169	~46,218	65.0 ± 16.1
HR（心率）	5,924	5,187,183	~43,227	63.9 ± 16.9
BP（血压）	2,391	2,468,693	~20,572	63.2 ± 16.2

可以看到规律：心律任务最大（只要 PPG 有标签即可），BP 任务最小（要求同时有可用的 ABP 参考）。人口学（心律子集）：体重 82.2 ± 22.6 kg、身高 169.5 ± 10.5 cm。这是一群典型的重症成年患者——平均 64 岁、BMI 偏高。

2.5 版本口径：4.9M 与 6.3M 不是矛盾

必须向检索者交代清楚：v1.0.0 与 v1.1.0 规模不同，是版本演进而非数据打架。

• v1.0.0（2026-02-04）：初版，4.9 million 段 / 6,131 名患者。
• v1.1.0（2026-03-17，当前）：约 6.3 million 段（精确 6,399,754）/ 6,189 名患者。

官方 release notes 说明：v1.0.0 曾按保守过滤排除了一些「疑似通道错配」的分段；后续调查发现根因是下载过程损坏（corrupted downloads），而非 MIMIC-III 原始波形本身的系统性错误。v1.1.0 因此修正了下载流程并引入 checksum 校验，重新验证后把此前误排除的分段召回。所以 v1.1.0 更大、更完整。

引用纪律：写论文引用本数据集时必须标注版本（version 1.1.0），否则数字对不上。这一点在 PhysioNet 的官方引用格式里也强制带版本号。

2.6 与源库的关系边界

• 本数据集 ⊂ Matched Subset ⊂ 全波形库（在 PPG 有标签这一段上）。
• 它不新增临床数据，只是「切片 + 打标签 + 算质量」。
• 因此凡涉及原始多通道完整波形、无标签原始记录的需求，应回源到 rid 586 / rid 587；凡涉及临床详表（检验、用药、诊断），应回源到 rid 590 / rid 106。
• 本数据集的价值锚点是：「监督学习可直接用」——分段整齐、标签现成、质量可控。

2.7 单条分段的解剖

把一个 30 秒分段拆开看，它其实是一个「光谱式」的数据单元。以某条既有 PPG 又有 ECG/ABP 的分段为例，它同时携带：

层	内容	用途
原始信号层	PPG 波形 3,750 点（125 Hz × 30 s）	形态分析、特征提取
并行信号层	ECG lead II / ABP / RESP（可用时各 3,750 点）	多模态、参考真值
派生参数层	HR、RR、SBP、DBP（分段级 median + IQR）	回归任务目标
质量层	各路信号的 SQI 整数码	样本筛选、质量任务
标签层	event_rhythm 心律类	分类任务目标
元数据层	subject_id、folder_path、时间戳、signal_length_s	追溯、划分、关联

这种「一条分段、多层信息」的设计，使同一份数据能被六个不同任务复用——这是「基准数据集」相对于「单一任务数据集」的核心优势。

2.8 为什么 30 秒是被选中的分段长度

30 秒这个数字不是随意的，它有多重考虑：

• 足够长——能容纳多个心动周期（心率 60 bpm 时约 30 个搏动），使心律特征（规整性、间期变异）可被稳定估计；
• 足够短——保证分段内心律标签基本单一（心律在 30 秒内骤变的概率低），避免一标签多心律；
• 对齐文献惯例——PPG 房颤检测等领域文献普遍采用 30 秒窗，便于结果对比；
• 对齐监护惯例——ICU 监护数据本身常以类似时间窗记录，天然契合。

同时，非重叠切分避免了相邻窗的高度相关（重叠窗会让训练样本近似重复），是数据卫生的考量。

2.9 数据量的直观换算

为帮助检索者建立规模感：

• 6,399,754 条 30 秒分段 ÷ 60（秒/分钟）÷ 60（分钟/小时）≈ 53,331 小时——与官方时长一致；
• 若一个模型每秒处理 1 条分段，读完全部数据需约 74 天不间断运行；
• 6,189 名患者意味着平均每人贡献约 1,034 条分段（约 8.6 小时/人），符合 ICU 长程监护特征；
• 以 125 Hz 计，单通道全量数据约 63.99 亿个采样点（6,399,754 × 3,750）。

这些换算说明：本数据集的规模已进入「需要认真的数据工程」的档位——不能像小数据集那样一次性载入内存，必须设计流式/分块的处理流水线。

§3 心律标签体系：27 类的全景与偏斜

3.1 标签来源与语义

本数据集的监督信号全部来自一个字段：metadata.csv 中的 event_rhythm。该字段的值并非研究者自创，而是 ICU 病历里临床人员记录的心律 chart event 的归一化（harmonized）结果——也就是说，它是真实临床工作流中已经存在、已经被人写下的一条信息。研究者所做的，是把它从病历文本搬到波形分段上，作为参考标签。

配套字段包括：

• folder_path：WFDB 目录相对路径；
• subject_id：患者标识（与 MIMIC-III 一致，如 p090123）；
• start_segment：30 秒分段的起始时间戳；
• event_time：底层心律 chart event 的时间戳；
• signal_length_s：分段前提取的总波形时长（通常 30–900 秒，上限 15 分钟）；
• event_rhythm：归一化心律标签。

时间戳全部继承 MIMIC-III 的日期平移——为了去标识，所有日期被随机移入未来，以保证同一患者内的时间先后关系不变，但绝对日期无意义。检索者做任何时间相关分析时须记住这一点。

3.2 完整标签分布表（v1.1.0）

下表为官方公布的完整心律标签统计，同时给出「唯一患者数」与「30 秒样本数」两列——这两列的口径差异非常重要（见 §3.3）。

缩写	英文全称	中文	唯一患者	30s 样本数
SR	Sinus rhythm	窦性心律	5,316	3,950,724
STACH	Sinus tachycardia	窦性心动过速	2,838	1,192,025
AF	Atrial fibrillation	房颤	1,132	597,769
SBRAD	Sinus bradycardia	窦性心动过缓	1,608	198,432
VPACE	Ventricular pacing	心室起搏	282	126,810
1AVB	First degree AV block	一度房室传导阻滞	304	111,729
AVPACE	Atrioventricular pacing	房室顺序起搏	166	67,719
AFLT	Atrial flutter	心房扑动	210	44,811
APACE	Atrial pacing	心房起搏	145	44,415
LBBB	Left bundle branch block	左束支传导阻滞	45	22,667
RBBB	Right bundle branch block	右束支传导阻滞	43	13,092
SARRH	Sinus arrhythmia	窦性心律不齐	105	7,224
JR	Junctional rhythm	交界性心律	78	6,823
SVTACH	Supraventricular tachycardia	室上性心动过速	193	6,342
2AVBM1	2nd degree AV block Mobitz I	二度 I 型房室传导阻滞	20	1,768
MATACH	Multifocal atrial tachycardia	多源性房性心动过速	16	1,725
3AVB	Third degree AV block	三度房室传导阻滞	27	1,360
VTACH	Ventricular tachycardia	室性心动过速	53	1,273
WAPACE	Wandering atrial pacemaker	游走性心房起搏点	7	854
2AVBM2	2nd degree AV block Mobitz II	二度 II 型房室传导阻滞	19	705
JTACH	Junctional tachycardia	交界性心动过速	16	571
OTHER	Other	其他	9	349
PATACH	Paroxysmal atrial tachycardia	阵发性房性心动过速	7	196
VFIB	Ventricular fibrillation	心室颤动	9	147
ASYS	Asystole	心搏停止	15	113
IDIOV	Idioventricular rhythm	室性自主心律	7	111
合计				6,399,754

3.3 两列口径的差异说明了什么

Unique Patients 与 Samples 两列相加都不到总数（患者列相加会重复计同一个人，样本列相加才是总数）。这一差异揭示了两件事：

1. 同一患者可贡献多个心律标签。一个 ICU 患者可能先窦性心律、后房颤、再起搏，因此出现在多个类别的患者统计里。这符合 ICU 危重病人的真实病程。
2. 每类的人均分段数差异巨大。粗略算 SR 约 743 段/人，而 AF 约 528 段/人，VTACH 约 24 段/人——样本数与患者数并非简单比例，长记录会拉高其所属类别的分段贡献。这意味着若按分段随机划分训练测试集，同一患者的分段可能同时落入两侧，造成数据泄漏。正确做法是按 subject_id 划分。

3.4 偏斜的现实与应对

分布呈现典型的长尾结构：SR 一类独占 3,950,724 条，约占 61.7%；SR + STACH 两类合计约 80%；而 VFIB、ASYS、IDIOV、PATACH 等罕见但临床致命的心律仅有 百量级样本。这会带来两个后果：

• 直接训练会被多数类淹没——一个从不预测罕见心律的模型也能拿到高准确率；
• 罕见类欠采样严重——百量级样本难以支撑稳健的深度模型，评估指标需用 macro-F1、AUROC 等对不平衡敏感的度量。

本条目在 §5 的任务讨论与 §10 的避坑清单里会继续展开。需要强调的是：这一偏斜不是数据缺陷，而是 ICU 真实心律分布的自然反映——SR 本就是绝大多数时间的心律。研究者应据此设计评估策略，而非简单抱怨数据不平衡。

3.5 标签可信度的进一步讨论

心律标签来自病历 chart event，其可信度需要分层理解：

可信的部分：

• 心律类型本身由临床人员判定并记录，是有临床依据的信息；
• 「记录前 15 分钟」的时间窗口设计有生理学依据——心律通常在记录时刻附近保持稳定；
• 归一化（harmonization）把不同书写方式的同类心律统一到 27 个标签，提升了可用性。

需谨慎的部分：

• 时间近似：15 分钟窗口内若心律发生变化，会导致标签与信号不完全对应；
• 记录稀疏：chart event 是人为记录的，记录频率低，一个记录可能覆盖较长时段的心律；
• 非逐搏：标签是「这一段时间大约是这种心律」，不是「每一个搏动都是这种心律」；
• 难以验证：没有独立的逐搏 ECG 专家标注作对照，无法量化标签错误率。

因此，把本数据集用于训练是合适的（大规模弱标签对深度学习仍有效），但用于评估算法精度上限时须谨慎——你测的是「与 chart event 一致性」，而非「与逐搏真值一致性」。这一区别在论文写作中应明确表述。

3.6 标签与临床分层的对应

27 类标签可粗分为几个临床层级，便于研究设计时归并：

层级	包含标签	临床意义
规整窦性	SR、SBRAD、SARRH	正常或缓慢性窦性心律
快速窦性	STACH	窦性心动过速
房性心律失常	AF、AFLT、MATACH、PATACH	心房起源的异常节律
室上性快速	SVTACH、JTACH	交界区/室上性快速
传导异常	1AVB、2AVBM1、2AVBM2、3AVB、LBBB、RBBB	传导系统病变
起搏节律	VPACE、APACE、AVPACE、WAPACE	起搏器驱动
室性心律失常	VTACH、VFIB、IDIOV	心室起源，含致命性
交界性	JR	房室交界区逸搏
停搏	ASYS	无有效心搏
其他	OTHER	未归类

分层归并可缓解长尾问题——例如把传导异常合并为一个「传导阻滞」大类，样本量即可从几十提升到约 15 万。是否归并取决于研究问题：若目标是精细诊断分型，保留细分；若目标是实用筛查，归并更稳健。

§4 派生参数与信号质量：从波形到可监督标签

4.1 三类派生生理参数

除心律标签外，数据集从多通道信号派生出三类连续参数，每类都以「3 元素向量 + 分段级 median 与 IQR」的形式报告：

心率（HR）：从 ECG（或 PPG）估算，每分段给出多个窗口值及其中位数与四分位距。

呼吸率（RR）：从 RESP 信号提取，依赖 Charlton 等人的呼吸信号质量与速率估计方法学。

血压（SBP/DBP）：从 ABP（动脉血压）派生，采用 SSF（Slope Sum Function，斜率求和函数）搏动检测算法，在每个 10 秒窗口内计算收缩压与舒张压，再汇总为分段级统计。

这些派生参数的价值在于：它们把「原始波形」直接转化为回归任务的目标，使数据集能同时支撑 HR 估计、RR 估计、BP 估计三个回归方向的基准测试——而不只是心律分类这一个分类方向。

4.2 SQI：信号质量指数

每一个信号都附带一个整数编码的信号质量指数（SQI, Signal Quality Index）。这是一套作者团队（含 PPG 信号质量方向权威 Peter Charlton）长期研究的方法学落地。核心码值：

码	阶段/来源	信号	含义
1	SQI 计算	全部	质量高，适合可靠分析
0	SQI 计算	全部	质量低但仍可用于下游处理
-2	验证	全部	平线或反复极值
-3	验证	全部	为空或含 NaN
-11	SQI 计算（基于文献 [6]）	RESP	未检出有效呼吸峰谷
-12	SQI 计算（基于文献 [6]）	RESP	呼吸周期数不足，无法算 SQI
-13	SQI 计算（基于文献 [6]）	RESP	有效呼吸分段过少，无法做模板评估
-14	SQI 计算（基于文献 [8]）	ECG/PPG	未检出有效 RR 间期（搏动缺失或不可靠）
-15	SQI 计算（基于文献 [8]）	ECG/PPG	RR 间期采样窗过短，无法有效评估
-16	SQI 计算（基于文献 [8]）	ECG/PPG	（见官方表，RR 相关失败码）
-21	异常处理	全部	SQI 计算过程中发生未预期错误

SQI 的工程意义：它把「这条信号能不能用」这一主观判断编码成可查询的整数。研究者可以：

• 用 SQI = 1 的高质量子集做干净的模型训练；
• 用全量分段做鲁棒性测试（噪声、平线、导联脱落）；
• 直接把 SQI 当作预测目标，做信号质量评估任务。

这正是官方把 SQI 列为独立支持任务的原因。

4.3 「无预处理」的声明

官方明确写道：已发布的信号未施加任何预处理（no filtering, denoising, or normalization）。这是一把双刃剑：

• 好处：保留了原始波形形态，使用者可以自由选择自己的滤波、去噪、归一化方案，便于复现不同文献的流水线；
• 代价：跨研究可比性取决于各自的预处理是否一致——两个团队用同样的模型、同样的数据，若滤波策略不同，结果也可能不同。

因此，使用本数据集做对比实验时，预处理策略必须显式记录，否则数值差异可能来自流水线而非模型。

4.4 数据组织与访问逻辑

文件组织严格遵循 MIMIC-III 波形库的命名规范：

pXX/
└── pXXXXXX/
    ├── <record_id>_<event_id>_<segment_id>.hea
    ├── <record_id>_<event_id>_<segment_id>.dat
    └── ...

官方给出两种定位逻辑：

1. 从元数据 → 波形：读 metadata.csv 的 folder_path 列，按 subject_id 与 signal_file_name 定位；目录为 pXX/pXXXXXX/（pXX 为 subject_id 前两位零填充，pXXXXXX 为补足 6 位）。
2. 从波形 → 元数据：由文件路径反查 metadata.csv 中的对应行。

WFDB 格式的兼容性极好——PhysioNet 官方 WFDB 工具、Python（wfdb、biosppy、neurokit2）、MATLAB、Julia 均可直接读取。这降低了跨语言、跨平台的使用摩擦。

§5 任务图谱：一个数据集，六个可用目标

官方明确列出该数据集支持的六类研究方向，本条目逐一拆解其数据基础与注意事项。

5.1 心律分类（Heart Rhythm Classification）

• 数据基础：全量 6,399,754 条分段，27 类 event_rhythm。
• 难点：长尾偏斜（SR 61.7%）、罕见类百量级、按患者划分防泄漏。
• 建议指标：macro-F1、多类 AUROC、混淆矩阵（重点看 AF/AFLT、各级传导阻滞、起搏类型的混淆）。

5.2 房颤检测（Atrial Fibrillation Detection）

• 数据基础：AF 类 597,769 条分段 / 1,132 名患者，与 SR 构成天然二分类。
• 临床意义：房颤是最常见的心律失常之一，与卒中风险相关，是 PPG 心律检测的首要落地场景（可穿戴设备房颤筛查）。
• 注意：AF 与 AFLT（44,811 条）在 PPG 形态上可能混淆，二分类时须明确是否将 AFLT 并入。

5.3 血压估计（BP Estimation）

• 数据基础：BP 子集 2,468,693 条 / 2,391 名患者（要求有可用 ABP）。
• 目标：由 PPG 形态回归 SBP/DBP（无创血压估计），或用 ABP 派生值作参考。
• 注意：ABP 为动脉内测量，与袖带/无创设备存在系统性差异，跨设备迁移需谨慎。

5.4 呼吸率估计（RR Estimation）

• 数据基础：RR 子集 5,546,169 条 / 4,695 名患者。
• 目标：从 PPG/RESP 提取呼吸调制成分估计呼吸率。
• 注意：RESP 派生值依赖 SQI，需关注负码（-11/-12/-13）分段的比例。

5.5 心率估计（HR Estimation）

• 数据基础：HR 子集 5,187,183 条 / 5,924 名患者。
• 目标：从 PPG 估算心率。
• 注意：PPG 在运动、低灌注状态下信噪比骤降，SQI 是筛选高质量样本的关键。

5.6 信号质量评估（Signal Quality Assessment）

• 数据基础：全量分段均带 SQI 整数码。
• 目标：把 SQI 作为预测目标，训练能自动判别信号可用性的模型。
• 意义：在可穿戴场景中，自动丢弃低质量片段是保证下游算法不误判的前置环节。

5.7 一句话任务决策

如果你要做心房颤动筛查的可穿戴算法，本数据集是当前最大、标签最现成的选择之一——但请务必按患者划分、用 macro 指标、显式记录预处理。如果你要做类内罕见心律（如 VTACH、VFIB）的检测，需清楚这些类的样本量仅百量级，可能需要合成、迁移或外部数据补充。

5.8 任务选择的现实建议

从工程落地角度，六个任务的难度与数据充足度差异很大。下表给出务实排序：

任务	数据充足度	落地成熟度	推荐优先级
房颤检测（AF vs SR）	高（598k + 3950k）	高（可穿戴已商用）	★★★★★
信号质量评估	高（全量带 SQI）	中	★★★★
心率估计	高（5.19M）	高（技术成熟）	★★★★
呼吸率估计	高（5.55M）	中（信噪比挑战）	★★★
血压估计	中（2.47M，需 ABP）	中（无创仍是研究前沿）	★★★
27 类心律分类	高但极不平衡	中（罕见类难）	★★

结论：若目标是把成果快速推向应用，优先从房颤检测切入；若目标是方法论研究，信号质量评估与血压估计更具科研价值。

5.9 迁移到可穿戴场景的注意事项

本数据集来自 ICU 有创/床旁监护环境，迁移到消费级可穿戴设备时需注意：

• 采样率差异——可穿戴多为 25–64 Hz，低于本数据集的 125 Hz，需重采样；
• 佩戴位置差异——手腕 vs 指尖/耳垂，波形形态不同；
• 运动伪影——日常活动远比卧床 ICU 剧烈；
• 人群差异——ICU 老年重症 vs 消费级健康人群。

因此，在 ICU 数据上训练、在可穿戴数据上部署时，通常需要领域适配（domain adaptation）或至少做外部验证。本数据集的 SQI 机制在此尤为有用——它提供了「哪些信号在质量上接近可穿戴场景」的筛选线索（SQI 较低的分段反而更接近真实可穿戴信噪比）。

§6 获取与许可：认证访问的门怎么进

6.1 访问政策原文

PhysioNet 页面在「Access」区明确写着：

Access Policy: Only credentialed users who sign the DUA can access the files.

即：只有通过认证（credentialed）并签署数据使用协议（DUA）的用户才能访问文件。这不是可选项，而是技术上也强制的门槛——未认证用户无法下载。

6.2 三层前置要求

从 PhysioNet 页面可梳理出获取本数据集必须满足的三层前置：

层级	要求	说明
1. 注册认证	PhysioNet Credentialed Access 资格认证	提交身份与机构信息，人工审核
2. 签署协议	PhysioNet Credentialed Health Data Use Agreement 1.5.0	承诺不尝试再识别、不重新分发、仅用于研究
3. 培训证书	CITI「Data or Specimens Only Research」 培训	完成 CITI 项目相关课程并提交证书

三者齐备后，方可在 PhysioNet 下载 WFDB 文件。这套流程与源库 MIMIC-III 波形库（rid 586/587）完全同构——因为本数据集继承了同一份临床数据的使用约束。

6.3 许可与版本链

• 数据许可：PhysioNet Credentialed Health Data License 1.5.0
• 数据使用协议：PhysioNet Credentialed Health Data Use Agreement 1.5.0
• 保存格式：WFDB（.hea + .dat）+ metadata.csv
• 版本链：

版本	发布日期	规模	DOI
v1.0.0	2026-02-04	4.9M 段 / 6,131 患者	10.13026/nmwb-6h34
v1.1.0（当前）	2026-03-17	6,399,754 段 / 6,189 患者	10.13026/r6k1-xt76
latest（指向最新版）	—	随最新版	10.13026/fcvm-qs78

DOI 辨析（重要）：PhysioNet 的 “DOI (latest)” 是一个始终指向最新版本的固定 DOI（此处为 10.13026/fcvm-qs78），而 “DOI (v1.1.0)” 是该版本的专属 DOI（10.13026/r6k1-xt76）。写论文引用必须用版本专属 DOI，否则读者无法定位到你实际使用的版本。

6.4 官方推荐引用

数据集（v1.1.0）：

Moulaeifard, M., Charlton, P. H., & Strodthoff, N. (2026). MIMIC-III-Ext-PPG: A PPG Benchmark Dataset for Cardiorespiratory Analysis (version 1.1.0). PhysioNet. RRID:SCR_007345. https://doi.org/10.13026/r6k1-xt76

配套论文：

Moulaeifard, M., Kutscher, M., Aston, P. J., Charlton, P. H., & Strodthoff, N. (2026). MIMIC-III-Ext-PPG, a PPG-based Benchmark Dataset for Cardiovascular and Respiratory Signal Analysis. Scientific Data, 13(1), 668. https://www.nature.com/articles/s41597-026-07335-8

6.5 许可边界：能做什么，不能做什么

可以做：

• 在研究中使用、分析、建模；
• 发表基于本数据集的研究成果（须引用）；
• 在遵守 DUA 的前提下与同样具备认证资格的合作者共享访问（非共享原始文件本身）。

不可以做：

• 再分发原始文件给未认证的第三方；
• 尝试**重新识别（re-identify）**患者；
• 将数据用于商业用途（除非另有授权）；
• 绕过 PhysioNet 直接镜像分发。

本条目在 §10 会把「误标为开放许可」列为第一个坑。

6.6 与源库获取流程的一致性

需要特别提醒：本数据集的获取流程与源库 MIMIC-III Waveform Database（rid 586/587）完全一致——都是 PhysioNet 认证 + DUA + CITI 培训。这意味着：

• 若你已经为获取 MIMIC-III 波形库完成过认证，再获取本数据集不需要重复认证，只需确认具体 DUA 已覆盖；
• 若你从未用过 PhysioNet 的临床数据，首次认证流程需要一定时间（身份核验 + 培训），应预留时间，不要在项目截止前临时申请；
• 认证是个人级的，不是机构级——团队成员各自需要认证，不能一人认证全组共用（这也解释了为何 DUA 明令禁止向未认证者分发文件）。

6.7 合规使用的三条红线

使用本数据集时，三条红线不可触碰：

1. 不重新识别——任何试图把去标识数据关联回真实患者的行为都被禁止；
2. 不再分发——不得把原始 WFDB 文件转发给未经认证的第三方；
3. 不商用——未经额外授权不得用于商业产品。

违反任一条不仅违反 DUA，也可能触及法律与伦理责任。研究者应在项目设计阶段就确认合规边界。

§7 生态、谱系与影响

7.1 团队与机构谱系

• University of Oldenburg（德国奥尔登堡大学），AI4Health 研究组——Nils Strodthoff 团队长期从事生理信号与心电/心音的深度学习研究，GitHub 组织 AI4HealthUOL 是其开源枢纽。
• University of Cambridge（英国剑桥大学）——Peter H. Charlton 是 PPG 信号质量（SQI）与呼吸信号处理领域的权威，其方法学论文被本数据集直接引用（SQI 计算所依据的文献 [6][8]）。
• 两者结合使本数据集在**工程规模（Oldenburg）与信号质量方法学（Cambridge）**上都有支撑。

7.2 与源库的生态关系

本数据集不是孤立产物，而是 PhysioNet 上 MIMIC-III 波形生态的一个下游再加工节点：

MIMIC-III Waveform Database (rid 586)
        │  （匹配临床库）
        ▼
MIMIC-III Waveform Matched Subset (rid 587)
        │  （抽 PPG + 切 30s + 心律标签 + SQI）
        ▼
MIMIC-III-Ext-PPG (本条) ──► 心律分类 / AF 检测 / BP / RR / HR / SQI 基准

同时，它与库内其他 MIMIC 衍生扩展条目（MIMIC-IV-Ext-PE rid 618、MIMIC-CXR-Ext-ILS rid 616）共享「从 MIMIC 母库做定向再加工」的范式——这是近年医学数据集生产的一种高效模式：不新采数据，而是把既有大库结构化、可监督化。

7.3 在 PPG 数据集景观中的位置

官方在背景中对比了若干既有 PPG 资源，指出它们的局限：

• DeepBeat：面向房颤检测的可穿戴 PPG 数据，但规模与任务范围受限；
• PulseDB：大规模血压估计数据，但主要服务 BP 单一任务；
• MIMIC-BP：MIMIC 系血压数据，覆盖任务较窄。

本数据集的差异化定位是「规模 + 多任务 + 丰富心律参考 + 质量指标」四合一：630 万条分段已是同类最大，27 类心律标签覆盖广，六个任务共用一套底座，且每路信号带 SQI。这使它成为心肺信号深度学习的综合性基准，而非单一任务数据集。

7.4 影响与使用场景

• 可穿戴房颤筛查：这是最直接的落地场景——用 ICU 高质量 PPG 训练房颤检测模型，再迁移到手表场景；
• 无创血压估计研究：BP 子集提供动脉血压参考，支撑 PPG-to-BP 回归；
• 信号质量算法基准：SQI 标签使「算法能否判断信号可用」成为可量化任务；
• 基础模型评测：作为大规模带标签生理信号集，可评测生理信号基础模型（如通用时序/波形模型的迁移能力）。

综上，本数据集的影响不止于「多了一个数据资源」，更在于它以「既有临床记录 → 可监督基准」的范式，为生理信号领域提供了一个可复制、可扩展的数据生产模板。后续若有人把这套流程应用到 MIMIC-IV、其他监护库甚至多中心数据上，其价值将成倍放大。

7.5 学术影响的前景

从学术生态看，本数据集具备成为「PPG 领域标准基准」的潜力，原因有三：

1. 规模壁垒高——630 万分段 + 6,189 患者，短期内难有同类数据集超越，形成引用集中效应；
2. 多任务共用——心律/BP/RR/HR/SQI 六任务共享底座，一个数据集能服务多个研究方向，提升被引用概率；
3. 来源权威——PhysioNet 平台 + MIMIC-III 血脉 + Cambridge/Oldenburg 团队，检索信任度高。

但潜力不等于现实。它能否成为标准基准，取决于：社区是否采纳、是否有公认的 leaderboard、论文结果是否可复现、以及认证门槛是否抑制了采用率。认证访问是一把双刃剑——它保护了隐私合规，却也可能降低使用普及度。这一张力，是未来观察其影响力时值得关注的变量。

§8 方法学启示：四条可迁移的经验

8.1 「借力既有临床记录」的标注范式

本数据集最值得学习的一点，是它没有从头做人工标注，而是把 ICU 病历里本来就存在的 chart event 转化为监督标签。心律被临床人员记录在案是 ICU 的常规操作，研究者只需利用「记录时刻前 15 分钟」这一生理先验，就能把波形与标签关联起来。

这一范式的优势：

• 近乎零标注成本——标签来自既有工作流；
• 标签质量有临床背书——不是研究者主观判断；
• 可复现——相同规则可用于其他波形库。

它同样适用于任何「有临床记录 + 有连续信号」的场景，是数据工程上极具迁移价值的思路。

8.2 内置质量指标是基准数据集的高级形态

多数数据集只给数据与标签，本数据集额外给每路信号的 SQI 整数码。这把「数据质量」从使用者的隐性假设变成数据集的一等公民。研究者因此可以：

• 先按质量切分，用干净子集训练；
• 再在噪声/低质量子集上测鲁棒性；
• 把 SQI 本身当作预测目标。

任何做生理信号数据集的人都应借鉴：把质量评估前置到数据集设计阶段，而非事后补。

8.3 版本演进要留 release notes 与校验

v1.0.0 → v1.1.0 的演进提供了深刻教训：v1.0.0 因下载损坏误排除了大量有效分段，且一度以为是源数据的系统性错误。直到引入 checksum 校验、重查根因，才发现是下载环节的问题。

启示：

• 大规模数据再加工必须有完整性校验（checksum）；
• 版本变更必须书面记录（本数据集有清晰的 revision history）；
• 发现异常先查自己流水线，再归因源数据。

8.4 「无预处理」是一种工程立场

官方选择不做任何预处理发布信号。这不是偷懒，而是一种明确的工程立场：把预处理的选择权交给使用者。它避免了「数据集自带滤波导致不同研究无法公平对比」的问题，代价是使用者必须自行记录预处理策略。

对数据生产者的启示：若下游预处理方案高度多样，就不该在数据集层面强制一种；但同时必须醒目声明未预处理，以免使用者误以为拿到的是可直接喂模型的干净信号。

8.5 单中心数据的价值与边界

需要辩证看待「单中心」这一看似劣势的特征。BIDMC 单一中心的 ICU 数据，一方面限制了人群与设备的多样性（泛化风险）；另一方面却保证了采集流程、设备型号、记录规范的一致性——这恰恰是训练稳定标签模型所需的「受控环境」。本数据集正是把这种「受控环境下的高质量标注」做到极致，再由使用者自行承担跨域泛化的验证成本。这种「先做深、再谈广」的策略，对做基准数据集是有借鉴意义的。

§9 与库内条目的关系

9.1 家族图谱

本数据集处在千方病案医数集内 MIMIC 家族的上游-下游链条中。检索者可沿以下路径理解它的位置：

关系	库内条目	rid	说明
直接父库	MIMIC-III Waveform Matched Subset	587	本数据集的波形来源
祖父库	MIMIC-III Waveform Database	586	未匹配的全波形库
临床母库	MIMIC-III 重症监护医疗数据库	590	波形匹配的临床详表来源
经典重症库	MIMIC-III（经典版）	106	同源条目
演示子集	MIMIC-III Demo	591	百患者演示版
同族扩展	MIMIC-IV-Ext-PE	618	同为 MIMIC 母库定向再加工范式
同族扩展	MIMIC-CXR-Ext-ILS	616	同上（影像域）

9.2 检索路径建议

• 想要原始多通道完整波形、无标签 → 看 rid 586 / 587；
• 想要临床详表（检验、用药、诊断） → 看 rid 590 / 106；
• 想快速跑通流程、不折腾认证 → 看 rid 591（MIMIC-III Demo，公开）；
• 想做 PPG 心律/血压/呼吸的监督学习 → 就是本条目；
• 想理解「MIMIC 母库定向再加工」范式 → 对照 rid 618 / 616。

9.3 与源库互链的边界声明

本数据集与 rid 586/587 不是同一份数据：源库是无标注的原始波形，本数据集是带心律标签、派生参数与 SQI 的 30 秒分段。二者互为补充，不可互相替代；引用时应明确区分。

§10 避坑清单：九个已踩过的坑

坑 1：把认证访问误当成开放许可。
本数据集采用 PhysioNet Credentialed Health Data License 1.5.0，是受限的临床数据许可，不是 CC 类开放许可。检索者常因「PhysioNet 公开」而误以为可自由再分发原始文件——不可以。必须认证 + 签 DUA + 持 CITI 培训证书，且不得向未认证第三方转发文件。

坑 2：忽略版本口径，数字对不上。
v1.0.0 是 4.9 million 段 / 6,131 患者，v1.1.0 是 6,399,754 段 / 6,189 患者。若你的论文写「本数据集含 4.9M 段」却引用 v1.1.0 的 DOI，评审会质疑。引用必须标版本，数字与版本对应。

坑 3：DOI 用错（latest vs 版本专属）。
PhysioNet 有三套 DOI：v1.0.0 = 10.13026/nmwb-6h34，v1.1.0 = 10.13026/r6k1-xt76，latest = 10.13026/fcvm-qs78。用 latest DOI 会导致引用指向未来可能变化的版本；正式论文应使用版本专属 DOI。

坑 4：按分段随机划分，造成患者泄漏。
同一患者贡献多个分段，若按分段随机 split，同一人的不同分段会同时进入训练集与测试集，严重高估模型性能。必须按 subject_id 划分。

坑 5：无视类别长尾，被准确率误导。
SR 一类占约 61.7%，罕见类仅百量级。用 accuracy 会得到「看起来很高但毫无意义」的结果。应使用 macro-F1、AUROC、按类别报告。

坑 6：忘记信号未预处理。
官方明示未做滤波/去噪/归一化。直接喂给模型前必须自行预处理（如带通滤波），且在论文中显式记录预处理策略——否则跨研究不可比。

坑 7：忽视 SQI 负码分段。
并非所有分段都「可用」。SQI = 1 为高质量，0 为低质量可用，负码表示平线（-2）、空/NaN（-3）或呼吸/搏动检测失败（-11~-16）、计算异常（-21）。训练前应按 SQI 筛选，否则会把垃圾信号当有效样本。

坑 8：把 event_rhythm 当作逐搏金标准。
心律标签来自病历 chart event（PPG 分段位于该记录前 15 分钟内），是时间窗近似的参考标签，不是心电逐搏双人标注。存在标签噪声与时间近似误差。不要把它的精度等同于心电专家标注。

坑 9：忽视单中心偏置与设备差异。
数据来自单一医疗中心（BIDMC）的 ICU 人群，采样设备为特定型号床边监护仪。迁移到院外可穿戴场景时，设备与人群分布差异可能导致性能下降——跨域泛化需额外验证。

§11 总结

11.1 三句话总结

1. 它是什么：MIMIC-III-Ext-PPG 是从 MIMIC-III 波形库抽取的、当前最大的公开 PPG 心律分类基准——v1.1.0 含 6,189 名患者、6,399,754 条 30 秒分段、约 53,331 小时，125 Hz 采样，带 27 类心律标签、并行 ECG/ABP/RESP 通道、派生 HR/RR/BP 与 SQI 质量码。
2. 它好在哪：用「借力 ICU 病历既有心律记录」的零成本标注范式，把波形库转化为可监督、多任务、带质量指标的深度学习基准，覆盖心律分类、房颤检测、血压/呼吸率/心率估计、信号质量评估六大任务。
3. 它怎么拿：PhysioNet 认证访问——认证 + 签 DUA 1.5.0 + 持 CITI 培训证书，采用受限的 Credentialed Health Data License 1.5.0，非开放许可。

11.2 适合谁

• 做可穿戴房颤筛查、心律分类的算法研究者；
• 做无创血压估计、呼吸率估计的心肺信号团队；
• 需要大规模带标签生理信号评测基础模型的机器学习研究者；
• 研究**信号质量评估（SQI）**方法学的学者；
• 想学习「如何把既有临床大库结构化再利用」的数据工程师。

11.3 不适合谁

• 需要开放许可、可自由再分发数据集的人（本数据集不满足）；
• 想不折腾认证就下载的人（须走认证流程）；
• 需要罕见心律大量样本做类内检测的人（罕见类仅百量级）；
• 需要原始多通道无标签完整波形的人（应回源到 rid 586/587）；
• 期待逐搏金标准心律标注的人（标签为时间窗近似参考）。

11.4 30 秒决策卡

你的问题	答案
要认证吗？	要，PhysioNet Credentialed Access + DUA + CITI
许可开放吗？	不开放，采用 Credentialed Health Data License 1.5.0
多大？	v1.1.0：6,399,754 条 30 秒分段 / 6,189 患者
采样率？	125 Hz
多少类心律？	27 类
最大挑战？	类别长尾（SR 61.7%）+ 患者级划分防泄漏
拿来做什么？	心律分类 / AF 检测 / BP / HR / RR / SQI 六任务

§12 深度解读：PPG 信号基础与心律识别的生理学

要真正用好本数据集，检索者需要理解 PPG 信号的生理来源，以及为什么它能反映心律。

12.1 PPG 的物理原理

光电容积脉搏波（PPG, photoplethysmography）基于一个简单的光学事实：血液对特定波长光的吸收随血容量变化。当脉搏血氧探头（或智能手表背面的 LED）向皮肤发射光时：

• 心脏收缩期，动脉血容量增加，吸收更多光，探测器接收到的光强下降；
• 心脏舒张期，血容量减少，接收光强上升。

把接收光强的时变曲线记录下来，就得到 PPG 波形。它有两个成分：

• AC 成分（搏动成分）：随心跳周期性变化的脉动，蕴含心率与心律信息；
• DC 成分（基础成分）：由静脉血、组织、骨骼等非搏动成分构成，反映呼吸、体位、血管张力等慢变因素。

本数据集关注的心律分类，正是从 PPG 的 AC 成分周期性与形态规律性中提取信息。

12.2 PPG 如何反映心律

关键直觉是：心律规整与否，会直接改变脉搏波的间期规律。

• 窦性心律（SR）：脉搏间期相对均匀，波形形态一致；
• 心房颤动（AF）：心室率绝对不规则（irregularly irregular），脉搏间期呈现随机波动——这是 PPG 房颤检测的核心特征；
• 心房扑动（AFLT）：心房以高频扑动，但心室率可能规整或不规整，PPG 表现多样；
• 起搏心律（VPACE/APACE/AVPACE）：由起搏器驱动，脉搏可能规律但形态异常；
• 传导阻滞（1AVB/2AVB/3AVB）：房室传导异常导致脉搏间期或形态改变。

因此，从 PPG 判断心律是一个时间序列模式识别问题——这也解释了为何深度学习（尤其是能捕捉长程依赖的时序模型）在此任务上表现突出。

12.3 PPG 相对 ECG 的优势与局限

优势：

• 无创、易获取——智能手表、手环、指尖血氧仪都能采；
• 成本低——不需要电极贴片；
• 可穿戴友好——适合长期、日常监测。

局限：

• 信噪比低于 ECG——运动伪影、低灌注、佩戴松紧都会严重污染信号；
• 不含心房电活动——PPG 反映的是机械搏动，无法直接看到 P 波，因此房颤识别只能靠心室率不规则性等间接特征；
• 个体差异大——血管弹性、皮肤色素、外周循环状态都会影响波形形态。

这正是本数据集提供 SQI 质量码的原因：PPG 的质量波动比 ECG 大得多，把「这段信号能不能用」显式标出来，是让模型不被噪声带偏的前提。

12.4 为什么 ICU 数据适合训练心律模型

ICU 场景有几个独特优势：

1. 连续长程记录——患者可能被监护数天，产生海量分段；
2. 心律多样——ICU 患者心律失常发生率高，能覆盖多种心律类型（本数据集 27 类正是这一点的体现）；
3. 多通道并行——PPG 与 ECG/ABP/RESP 同时记录，可为 PPG 任务提供参考真值（如用 ECG 心律作 PPG 的标签）；
4. 临床记录完整——心律 chart event 提供了天然的参考标注。

但 ICU 也有局限：人群偏重症、单中心、设备特定——泛化到健康人群的日常可穿戴场景需要额外验证（见 §10 坑 9）。

§13 复现与工程实践

13.1 读取 WFDB 分段的最小示例

使用 Python wfdb 包读取一条分段（示意，路径需按 metadata.csv 的 folder_path 拼接）：

import wfdb
import numpy as np

# folder_path 与 signal_file_name 来自 metadata.csv
# 示例：pXX/pXXXXXX/<record_id>_<event_id>_<segment_id>
rec_path = "p09/p090123/3522957_0007_0_0"
record = wfdb.rdrecord(rec_path)

# 采样率 125 Hz，30 秒 → 3750 点
print("fs =", record.fs)          # 125
print("sig_name =", record.sig_name)   # ['PLETH', 'II', 'ABP', ...]
print("shape =", record.p_signal.shape)  # (3750, n_channels)

# 取 PPG 通道（PLETH）
ppg_idx = record.sig_name.index("PLETH")
ppg = record.p_signal[:, ppg_idx]
print("PPG 分段长度:", len(ppg))  # 3750

要点：record.fs 应为 125；PPG 通道名通常为 PLETH；分段应为 3750 点（125 × 30）。若长度不符或通道缺失，说明该分段可能被 SQI 标记为低质量。

13.2 按 SQI 筛选样本

假设计算出的 SQI 已存入一个与分段对应的结构（如 DataFrame meta）：

# 仅保留高质量分段
clean = meta[meta["sqi_ppg"] == 1]

# 低质量但可用，用于鲁棒性测试
soft = meta[meta["sqi_ppg"] == 0]

建议流程：先用 SQI == 1 训练基线模型，再在 SQI <= 0 上评估鲁棒性。不要把 SQI < 0 的分段混入训练——它们是平线、空值或检测失败样本。

13.3 按患者划分，避免泄漏

from sklearn.model_selection import GroupShuffleSplit

gss = GroupShuffleSplit(n_splits=1, test_size=0.2, random_state=42)
train_idx, test_idx = next(gss.split(meta, groups=meta["subject_id"]))

train = meta.iloc[train_idx]
test = meta.iloc[test_idx]

# 强化校验：两组 subject_id 必须完全不相交
assert set(train["subject_id"]).isdisjoint(set(test["subject_id"]))

这是本数据集使用中最重要的一条工程纪律——subject_id 分组划分，绝不能让同一患者的分段跨训练/测试。

13.4 类别不平衡的处理选项

针对 SR 独占 61.7% 的长尾分布，常用策略：

策略	做法	适用
重采样	过采样罕见类 / 欠采样多数类	样本量尚可的类
类权重	损失函数按类频倒数加权	通用，推荐首选
分阶段	先做 SR/AF 二分类，再细分	房颤筛查落地场景
合并罕见类	把 < 千样本的类合并为 OTHER	多类任务简化

注意：无论如何处理不平衡，评估必须用对不平衡敏感的指标（macro-F1、balanced accuracy、各类 AUROC）。

13.5 预处理建议（因数据集不提供）

由于官方未做任何预处理，建议基础流程：

1. 去基线漂移：高通滤波（如 0.5 Hz 以下抑制）；
2. 去高频噪声：低通滤波（PPG 有效带宽通常 < 8 Hz，可按采样率设定安全截止）；
3. 带通：PPG 常取 0.5–8 Hz 一带；
4. 归一化：按分段的均值方差做 z-score（便于模型训练）；
5. 异常值处理：结合 SQI 剔除平线/极值段。

关键：这些参数没有唯一正确答案，但一旦选定就必须在论文中记录，否则结果不可比（见 §10 坑 6）。

§14 统计卫生：读这组数字的六条守则

1. 先看版本再看数字。4.9M 与 6.3M 分属 v1.0.0 与 v1.1.0，不可混用。
2. 区分「患者数」与「样本数」两列。患者列相加会重复计同一人，只有样本列相加等于总数。
3. 不要用 accuracy 展示长尾结果。SR 占 61.7%，多数类基线就已很高。
4. 占比要算清。SR 3,950,724 / 6,399,754 ≈ 61.7%；STACH ≈ 18.6%；AF ≈ 9.3%——前两类合计约 80%。
5. 注意时长与分段数的换算。总时长约 53,331 h，除以 6,399,754 段 ≈ 0.00833 h/段 = 30 秒/段，与设计一致，可作交叉验证。
6. 派生参数是「统计摘要」不是「逐点真值」。HR/RR/BP 以 median + IQR 报告，属分段级汇总，不应用于逐搏精度评估。

14.7 关于「约」字的处理

官方摘要多处用「around 6.3 million」，而 Dataset Summary 表给出精确值 6,399,754。写作与引用时：

• 若强调规模量级，用「约 630 万」；
• 若列精确统计，用 6,399,754；
• 不要把「约 6.3 百万」与「6,399,754」当作两个不同数字对比。

同样，「约 53,331 小时」是由分段数换算得到的时长，官方以「~」标注，属近似值。

14.8 百分比计算的口径

本条目给出的占比（SR 61.7%、STACH 18.6%、AF 9.3%）均以总分段数 6,399,754 为分母。注意：

• 分母应是总样本数，不是患者数；
• 患者占比需另算（如 AF 患者 1,132 / 6,189 ≈ 18.3%），二者不可混淆；
• 若做类别合并（如把 AF+AFLT 视为「房性心律失常」），占比需重新计算。

统计卫生的核心是：每次报数都交代分母是什么。

§15 常见误用之深度剖析

15.1 误用一：把 ICD 编码当心律标签

MIMIC-III 临床库（rid 590/106）含 ICD 诊断编码，但本数据集的心律标签不来自 ICD，而来自 event_rhythm 的 chart event。两者语义与粒度都不同——ICD 是出院诊断，chart event 是监护期间某一时刻的心律记录。不要混淆。

15.2 误用二：跨版本拼接训练集

有人可能想把 v1.0.0 与 v1.1.0 的段合并以「增加数据」。不推荐：v1.1.0 已包含 v1.0.0 修正后召回的分段，直接合并会导致同一分段重复，且版本间标签口径可能微调。只用最新版。

15.3 误用三：忽视时间平移导致的时间分析无效

MIMIC-III 日期被随机平移入未来，绝对时间无意义。任何基于「季节」「年份」「具体日期」的分析都是伪相关。只可用相对时间（同患者内的先后关系仍保留）。

15.4 误用四：用 PPG 数据声称诊断能力

本数据集是信号基准，不是诊断验证集。在 ICU 监护数据上训练的高准确率，不等于在门诊或居家场景具备诊断价值。对外宣称时必须限定场景，避免过度解读。

15.5 误用五：把 SQI 当模型输出再训 SQI

SQI 是规则/方法学计算的结果，用它训练「预测 SQI」的模型是合理的（复现质量评估），但若把该模型输出再当作 SQI 用于筛选，会引入循环依赖。使用前理清 SQI 是「输入约束」还是「输出目标」。

15.6 误用六：用非重叠分段做数据增强

30 秒分段是非重叠切分的，相邻分段来自同一记录的不同时间窗。若把同一患者的相邻分段当作「独立增强样本」进行增强后混合训练，会造成时间相邻的近似重复样本跨集，评估虚高。增强时应确保同一记录的分段整组划分，而非单分段随机打散。

15.7 误用七：忽视 signal_length_s 的语义

signal_length_s 是分段前提取的总波形时长（30–900 秒），不是分段长度（分段恒为 30 秒）。做元数据关联时若误把它当作分段长度，会导致时间计算错误。分段长度固定 30 秒，该字段描述的是「原型记录窗口有多长」。

15.8 误用八：跨任务复用同一划分

心律、RR、HR、BP 四个子集的患者集合不同（6,189 / 4,695 / 5,924 / 2,391）。若你同时做多任务，不能在这四个子集间共用同一套 train/test 患者划分——子集患者不重叠时不冲突，但若做联合训练需重新构造统一的患者级划分，确保任何患者的不同子集样本落在同一侧。

15.9 误用九：把 OTHER 当噪声丢弃前不核实

OTHER 类标注为「其他」，仅 349 条 / 9 名患者。它不是错误标签，而是未能归入 26 个明确类的真实心律记录。若直接丢弃，会损失标签真实性；正确做法是明确在文中声明如何处理 OTHER（并入某类 / 单列 / 排除），并说明理由。

FAQ（高频问答 28 问）

A. 基础认知

Q1：MIMIC-III-Ext-PPG 和 MIMIC-III 是什么关系？
它是 MIMIC-III 波形库（MIMIC-III Waveform Database Matched Subset，本库 rid 587）的下游再加工品，不新增临床数据，只做「抽 PPG + 切 30 秒 + 贴心律标签 + 算 SQI」。

Q2：为什么说它是「PPG 基准」？
因为它的主通道是 PPG（光电容积脉搏波），且官方明确将其定位为「benchmarking deep learning models」的数据集——分段整齐、标签现成、质量可控。

Q3：谁做的？
University of Oldenburg（AI4Health，Nils Strodthoff 团队）与 University of Cambridge（Peter H. Charlton）；第一作者 Mohammad Moulaeifard。

Q4：什么时候发布？
v1.0.0 于 2026-02-04，v1.1.0 于 2026-03-17（当前版本）。

B. 数据与获取

Q5：数据量到底多大？
v1.1.0：6,399,754 条 30 秒分段，6,189 名患者，合计约 53,331 小时。v1.0.0 为 4.9M 段 / 6,131 患者。

Q6：采样率与分段长度？
125 Hz，30 秒非重叠窗口。

Q7：有哪些信号通道？
主通道 PPG（PLETH）；同行可用时提供 ECG（lead II）、ABP（动脉血压）、RESP（呼吸）。

Q8：怎么下载？
PhysioNet 认证访问：完成 Credentialed Access 认证 → 签署 DUA 1.5.0 → 持 CITI「Data or Specimens Only Research」培训证书 → 下载 WFDB 文件。

Q9：许可是什么？
PhysioNet Credentialed Health Data License 1.5.0，受限临床数据许可，非开放许可，不可自由再分发。

Q10：文件什么格式？
WFDB（.hea 头 + .dat 数据）+ metadata.csv；可用 wfdb/biosppy/neurokit2/MATLAB/Julia 读取。

C. 数据内容

Q11：心律标签怎么来的？
取自病历的 event_rhythm（心律 chart event），PPG 分段位于该记录前 15 分钟窗口内，视为对应心律样本。

Q12：一共几类心律？
27 类（SR、STACH、AF、SBRAD、VPACE、1AVB、AVPACE、AFLT、APACE、LBBB、RBBB……直至 VFIB、ASYS）。

Q13：最大的类是什么？
窦性心律 SR：3,950,724 条，约占总量的 61.7%。

Q14：派生参数有哪些？
HR（心率）、RR（呼吸率）、SBP/DBP（收缩/舒张压），均以「3 元素向量 + 分段级 median 与 IQR」报告；血压用 SSF 斜率求和函数在 10 秒窗内计算。

Q15：SQI 是什么？
信号质量指数（Signal Quality Index）整数码：1 = 高质量；0 = 低质量可用；-2 = 平线；-3 = 空/NaN；-11~-16 = 呼吸或搏动检测失败；-21 = 计算异常。

Q16：信号做过预处理吗？
没有。官方明示未做滤波/去噪/归一化，使用者须自行处理并记录策略。

D. 使用与工程

Q17：做心律分类最大的坑是什么？
类别长尾 + 患者级泄漏。SR 占 61.7%，且同一患者贡献多分段——必须按 subject_id 划分，用 macro 指标。

Q18：能做血压估计吗？
能。BP 子集 2,468,693 条 / 2,391 名患者（需有可用 ABP）。注意 ABP 为动脉内测量，与无创设备有系统差异。

Q19：为什么 v1.0.0 和 v1.1.0 数据量差这么多？
v1.0.0 因下载损坏误排除了大量实际有效的分段；v1.1.0 修正下载流程并用 checksum 校验后召回了这些分段。

Q20：引用应该怎么写？
必须标注版本并用版本专属 DOI：Moulaeifard, M., Charlton, P. H., & Strodthoff, N. (2026). MIMIC-III-Ext-PPG… (version 1.1.0). PhysioNet. RRID:SCR_007345. https://doi.org/10.13026/r6k1-xt76

E. 进阶与边界

Q21：标签是逐搏金标准吗？
不是。心律标签来自病历 chart event，PPG 分段位于该记录前 15 分钟内，属时间窗近似参考，非逐搏专家标注。

Q22：能不能做多任务联合训练？
可以，但四个子集患者集合不同（心律 6,189 / RR 4,695 / HR 5,924 / BP 2,391），联合训练需重新构造统一患者级划分。

Q23：signal_length_s 是分段长度吗？
不是。分段恒为 30 秒；signal_length_s 是分段前提取的总波形时长（30–900 秒）。

Q24：OTHER 类该怎么处理？
它仅 349 条 / 9 患者，是未归类的真实心律记录，不是错误标签。处理方式（并入/单列/排除）应在论文中显式声明。

Q25：训练集要按什么划分？
按 subject_id（患者级）划分，绝不可按分段随机划分——同一患者的分段会同时落入训练与测试，导致性能虚高。

Q26：怎么知道数据是不是「能用」？
看 SQI：1 = 高质量，0 = 低质量可用，负码表示平线/空/检测失败。训练基线建议只用 SQI = 1。

Q27：为什么 ICU 数据适合训练心律模型？
因为 ICU 有连续长程记录、心律多样（27 类）、PPG 与 ECG 并行（可提供参考真值）、且心律 chart event 提供天然标注。

Q28：这份数据能直接用于临床诊断吗？
不能。它是信号基准而非诊断验证集；ICU 数据上训练的高准确率不等于在门诊或居家场景具备诊断价值。

事实清单（硬事实 28 条）

1. 官方全称：MIMIC-III-Ext-PPG: A PPG Benchmark Dataset for Cardiorespiratory Analysis。
2. slug：mimic-iii-ext-ppg。
3. 第一作者：Mohammad Moulaeifard。
4. 资深作者：Nils Strodthoff（Oldenburg AI4Health）、Peter H. Charlton（Cambridge）。
5. 论文作者另含 Michael Kutscher、Philip J. Aston。
6. 机构：University of Oldenburg + University of Cambridge。
7. 发布平台：PhysioNet（RRID:SCR_007345）。
8. 代码枢纽：GitHub AI4HealthUOL/MIMIC-III-Ext-PPG_dataset。
9. v1.0.0 发布日期：2026-02-04。
10. v1.1.0 发布日期：2026-03-17。
11. v1.0.0 规模：4.9 million 段 / 6,131 患者。
12. v1.1.0 规模：6,399,754 段 / 6,189 患者。
13. 采样率：125 Hz。
14. 分段长度：30 秒（非重叠）。
15. 心律任务总时长：约 53,331 小时。
16. 心律标签类数：27 类。
17. 最大类：SR 窦性心律 3,950,724 条（约 61.7%）。
18. 第二大：STACH 1,192,025 条。
19. 第三大：AF 房颤 597,769 条。
20. RR 子集：5,546,169 条 / 4,695 患者。
21. HR 子集：5,187,183 条 / 5,924 患者。
22. BP 子集：2,468,693 条 / 2,391 患者。
23. 心律子集年龄均值：64.1 ± 17.0 岁。
24. 心律子集体重均值：82.2 ± 22.6 kg。
25. 心律子集身高均值：169.5 ± 10.5 cm。
26. 许可：PhysioNet Credentialed Health Data License 1.5.0。
27. 访问：Credentialed Access（认证 + DUA 1.5.0 + CITI 培训）。
28. v1.1.0 DOI：10.13026/r6k1-xt76；v1.0.0 DOI：10.13026/nmwb-6h34；latest DOI：10.13026/fcvm-qs78。
29. 源库：MIMIC-III Waveform Database Matched Subset（本库 rid 587）。
30. 祖父库：MIMIC-III Waveform Database（本库 rid 586）。
31. 采集机构：Beth Israel Deaconess Medical Center（BIDMC）+ MIT。
32. 数据格式：WFDB（.hea + .dat）+ metadata.csv。
33. 文件命名：<record_id>_<event_id>_<segment_id>.hea/.dat。
34. 目录结构：pXX/pXXXXXX/。
35. 采样点/分段：3,750 点（125 Hz × 30 s）。
36. 派生血压算法：SSF 斜率求和函数（10 秒窗）。
37. 支持任务数：6（心律分类/AF 检测/BP/RR/HR/SQI）。
38. RR 子集患者数：4,695。
39. HR 子集患者数：5,924。
40. BP 子集患者数：2,391。

术语表（24 条）

术语	英文	说明
光电容积脉搏波	PPG, photoplethysmography	通过光吸收变化测量血容积脉搏的波形，本数据集主通道
PLETH	plethysmograph	WFDB 中 PPG 通道的命名
心电信号	ECG	心脏电活动波形，本数据集提供 lead II
动脉血压	ABP	动脉内血压波形
呼吸信号	RESP	呼吸相关波形
波形数据库	Waveform Database	MIMIC-III 床边监护波形全库
匹配子集	Matched Subset	波形与临床库匹配的子集
心律	heart rhythm	心脏搏动节律类型
窦性心律	sinus rhythm (SR)	正常心律
房颤	atrial fibrillation (AF)	常见心律失常
房扑	atrial flutter (AFLT)	心房扑动
起搏	pacing	心脏起搏器驱动的心律
传导阻滞	AV block	房室传导阻滞
束支传导阻滞	bundle branch block	LBBB/RBBB
心率	HR, heart rate	每分钟心搏数
呼吸率	RR, respiratory rate	每分钟呼吸次数
收缩压	SBP	血压高压
舒张压	DBP	血压低压
信号质量指数	SQI	整数编码的信号可用性指标
斜率求和函数	SSF, Slope Sum Function	搏动检测算法
WFDB	Waveform Database format	PhysioNet 波形存储格式
认证访问	Credentialed Access	PhysioNet 受限数据访问模式
数据使用协议	DUA	Data Use Agreement
日期平移	date-shifting	去标识时的时间匿名化
非重叠分段	non-overlapping segments	相邻分段不重叠的时间切分
PLETH	plethysmograph	WFDB 中 PPG 通道标签
搏动间期	RR interval（beat-to-beat）	相邻心搏间的时间间隔
观察者间变异	interobserver variability	不同标注者间的不一致程度
域适应	domain adaptation	跨数据分布迁移模型的技术
循环依赖	circular dependency	输出又被当作输入导致的偏差
类别不平衡	class imbalance	各类样本数差异悬殊

附录

附录 A：条目信息速查卡

项	值
条目名	MIMIC-III-Ext-PPG
slug	mimic-iii-ext-ppg
官方名	MIMIC-III-Ext-PPG: A PPG Benchmark Dataset for Cardiorespiratory Analysis
类型	生理信号基准数据集（PPG 为主）
规模	6,399,754 条 30s 分段 / 6,189 患者（v1.1.0）
采样	125 Hz
标签	27 类心律 + SQI
许可	Credentialed Health Data License 1.5.0
获取	PhysioNet 认证访问
论文	Scientific Data 2026;13(1):668

附录 B：DAIMS 评估全表

DAIMS（Data Archive and Information Management System）维度评分（5 分制，本条目依数据集公开信息评定）：

维度	评分	说明
数据可发现性（Findable）	5	PhysioNet + DOI + 论文三重可发现，元数据完整
数据可访问性（Accessible）	3	认证访问门槛明确，但非开放，需 DUA + CITI 培训
数据可互操作（Interoperable）	5	WFDB 标准格式，多语言工具链支持
数据可复用（Reusable）	4	标签与 SQI 完备，位置、样本数、版本历史清晰，但需自行预处理
溯源与文档	5	release notes + checksum + 官方 pipeline 代码开源
伦理与合规	4	IRB 监督 + 去标识 + DUA，单中心偏置需注意
规模与覆盖	5	同类公开资源中最大（630 万分段）
综合	4.4	免研究复用的高质量基准，唯受限访问拉低可及性

附录 C：心律标签完整对照（按样本数降序，节选重点）

标签	中文	样本数	占比
SR	窦性心律	3,950,724	61.7%
STACH	窦性心动过速	1,192,025	18.6%
AF	房颤	597,769	9.3%
SBRAD	窦性心动过缓	198,432	3.1%
VPACE	心室起搏	126,810	2.0%
1AVB	一度房室传导阻滞	111,729	1.7%
AVPACE	房室顺序起搏	67,719	1.1%
AFLT	心房扑动	44,811	0.7%
APACE	心房起搏	44,415	0.7%
其余 18 类	（见 §3.2）	≈ 46,000	≈ 0.7%
合计		6,399,754	100%

附录 D：SQI 码值表

码	含义	处理建议
1	质量高	可用于可靠分析/训练
0	质量低但可用	可用于鲁棒性测试
-2	平线/反复极值	建议排除
-3	空/含 NaN	建议排除
-11	RESP 未检出有效峰谷	RESP 任务排除
-12	RESP 呼吸周期不足	RESP 任务排除
-13	RESP 有效分段过少	RESP 模板评估排除
-14	ECG/PPG 未检出有效 RR 间期	HR 任务排除
-15	RR 间期窗过短	HR 任务排除
-16	RR 相关失败	见官方表
-21	计算异常	建议排除

附录 E：四任务子集规模总表

任务	患者数	30s 分段	总时长(h)	年龄均值±SD
Heart Rhythm	6,189	6,399,754	~53,331	64.1 ± 17.0
RR	4,695	5,546,169	~46,218	65.0 ± 16.1
HR	5,924	5,187,183	~43,227	63.9 ± 16.9
BP	2,391	2,468,693	~20,572	63.2 ± 16.2

附录 F：版本链与 DOI 速查

版本	日期	规模	DOI
v1.0.0	2026-02-04	4.9M 段 / 6,131 患者	10.13026/nmwb-6h34
v1.1.0	2026-03-17	6,399,754 段 / 6,189 患者	10.13026/r6k1-xt76
latest	—	指向最新版	10.13026/fcvm-qs78

附录 G：与库内条目的关系声明

本条目（mimic-iii-ext-ppg）与库内 mimic3wdb（rid 586）、mimic3wdb-matched（rid 587） 为上下游关系而非同一数据集：前者是无标注原始波形库，本条目为带心律标签、派生参数与 SQI 的 30 秒分段基准。引用、检索、互链时须明确区分，不可互相替代。建议互链条目与 rid 见 §9.1 家族图谱。

附录 H：数据获取决策树

需要 PPG 心律/血压/呼吸的监督学习数据？
├─ 是 → 需要开放许可、可自由再分发？
│        ├─ 是 → 本数据集不满足，另寻开放 PPG 资源
│        └─ 否 → 能完成 PhysioNet 认证 + DUA + CITI 培训？
│                 ├─ 能 → 下载 v1.1.0（注意版本 DOI）→ 按 subject_id 划分 → 按 SQI 筛样本
│                 └─ 不能 → 先用公开替代（如 MIMIC-III Demo rid 591）跑通流程
└─ 否 → 需要原始无标签多通道波形？→ 看 rid 586 / 587
         需要临床详表？→ 看 rid 590 / 106

附录 I：许可条款细读

条款	内容
许可名	PhysioNet Credentialed Health Data License 1.5.0
协议	PhysioNet Credentialed Health Data Use Agreement 1.5.0
前置培训	CITI「Data or Specimens Only Research」
允许	研究使用、分析建模、发表成果（须引用）
禁止	再分发原始文件、重新识别患者、商业用途、镜像分发
伦理依据	MIMIC-III 在 BIDMC 与 MIT 双 IRB 监督下发布

附录 J：数据源核心来源（明细）

• PhysioNet 数据集页（v1.1.0）：https://physionet.org/content/mimic-iii-ext-ppg/1.1.0/
• PhysioNet 数据集页（v1.0.0）：https://physionet.org/content/mimic-iii-ext-ppg/1.0.0/
• GitHub 官方仓库：https://github.com/AI4HealthUOL/MIMIC-III-Ext-PPG_dataset
• 论文（Scientific Data 13(1):668）：https://www.nature.com/articles/s41597-026-07335-8
• 基准论文（arXiv）：https://arxiv.org/abs/2603.21832
• 源库（Matched Subset）：https://physionet.org/content/mimic3wdb-matched/1.0/

附录 K：坑点档案（与 §10 对照）

坑号	简述	缓解
坑 1	误当开放许可	认清 Credentialed 限制
坑 2	版本口径混淆	数字与版本对应
坑 3	DOI 用错	用版本专属 DOI
坑 4	患者泄漏	按 subject_id 划分
坑 5	长尾被 averaged	用 macro-F1/AUROC
坑 6	忘预处理	自行处理并记录
坑 7	忽视 SQI 负码	按 SQI 筛选
坑 8	当逐搏金标准	认知时间窗近似
坑 9	忽视单中心偏置	跨域需验证

附录 L：与同类 PPG 数据集对照

数据集	规模	主要任务	心律标签	获取
MIMIC-III-Ext-PPG	6.4M 段 / 6,189 患者	多任务（心律/BP/RR/HR/SQI）	27 类	认证访问
DeepBeat	较小	房颤检测	有	依来源
PulseDB	大	血压估计	有限	依来源
MIMIC-BP	MIMIC 系	血压	无	认证访问
MIMIC-III 波形库	原始波形	通用	无（需自标）	认证访问

本条目的差异化：规模最大 + 心律标签最丰富 + 多任务共用底座 + 信号质量码。

附录 M：标签语义速查（临床含义）

标签	中文	简要临床含义
SR	窦性心律	正常起搏点（窦房结）主导
STACH	窦性心动过速	窦性但心率偏快
SBRAD	窦性心动过缓	窦性但心率偏慢
SARRH	窦性心律不齐	窦性但节律轻度不均
AF	房颤	心房无序电活动，心室率不规整
AFLT	房扑	心房规律高频扑动
1AVB	一度房室传导阻滞	PR 间期延长
2AVBM1	二度 I 型房室传导阻滞	文氏现象
2AVBM2	二度 II 型房室传导阻滞	莫氏 II 型
3AVB	三度房室传导阻滞	完全房室分离
LBBB/RBBB	左/右束支传导阻滞	心室传导路径异常
VPACE/APACE/AVPACE	心/房/房室起搏	起搏器驱动
JR/JTACH	交界性心律/心动过速	房室交界区起搏
SVTACH	室上性心动过速	房室结以上起源的快速心律
VTACH	室性心动过速	心室起源的快速心律，可致命
VFIB	心室颤动	心室无序颤动，需即刻除颤
ASYS	心搏停止	无有效心搏
IDIOV	室性自主心律	心室逸搏节律
MATACH	多源性房性心动过速	多个心房起搏点
PATACH	阵发性房性心动过速	突发突止的房性心动过速
WAPACE	游走性心房起搏点	起搏点在心房内游走
OTHER	其他	未归入上述类的记录

附录 N：数据字典（metadata.csv 关键列）

列名	类型	单位	说明
folder_path	string	—	WFDB 目录相对路径
patient	string	—	患者文件夹标识（如 p090123）
subject_id	—	—	患者标识，与 MIMIC-III 一致
start_segment	datetime	seconds	30 秒分段起始时间戳（继承 MIMIC-III 平移）
event_time	datetime	seconds	底层心律 chart event 时间戳
signal_length_s	integer	seconds	分段前提取的总波形时长（通常 30–900，上限 15 分钟）
event_rhythm	string	—	归一化心律标签（27 类之一）

文件命名规则：<record_id>_<event_id>_<segment_id>.hea/.dat；目录为 pXX/pXXXXXX/（pXX = subject_id 前两位零填充，pXXXXXX = 补足 6 位）。

附录 O：任务—子集—指标对照表

任务	用哪个子集	目标类型	建议指标
心律分类	Heart Rhythm（6,399,754）	27 类分类	macro-F1、多类 AUROC
房颤检测	AF vs SR 子集	二分类	AUROC、敏感性/特异性
血压估计	BP（2,468,693）	回归 SBP/DBP	MAE、RMSE、BHS 分级
呼吸率估计	RR（5,546,169）	回归 RR	MAE、RMSE
心率估计	HR（5,187,183）	回归 HR	MAE、RMSE
信号质量评估	全量（带 SQI）	分类 SQI 码	准确率、macro-F1

附录 P：检索决策树（扩展版）

我需要做什么？
├─ 房颤筛查算法 → 本数据集（AF 597,769 段）→ 按 subject_id 划分 → macro 指标
├─ 无创血压估计 → BP 子集（2,468,693 段）→ 注意动脉内 vs 无创差异
├─ 呼吸监测 → RR 子集（5,546,169 段）→ 关注 RESP 的 SQI 负码
├─ 信号质量算法 → 全量 SQI 标签 → 把 SQI 当预测目标
├─ 通用生理信号基础模型 → 全量多通道 → 大规模预训练/评测
└─ 教学设计/课程 → 先用公开的 MIMIC-III Demo（rid 591）跑通，再申请认证

附录 Q：引用与致谢模板

数据引用：
Moulaeifard, M., Charlton, P. H., & Strodthoff, N. (2026).
MIMIC-III-Ext-PPG: A PPG Benchmark Dataset for Cardiorespiratory
Analysis (version 1.1.0). PhysioNet. RRID:SCR_007345.
https://doi.org/10.13026/r6k1-xt76

论文引用：
Moulaeifard, M., Kutscher, M., Aston, P. J., Charlton, P. H., &
Strodthoff, N. (2026). MIMIC-III-Ext-PPG, a PPG-based Benchmark Dataset
for Cardiovascular and Respiratory Signal Analysis. Scientific Data,
13(1), 668. https://doi.org/10.1038/s41597-026-07335-8

注意：数据引用必须带 version 1.1.0 与版本专属 DOI；论文引用使用 Scientific Data 定稿 DOI。

附录 R：本条目编制说明

• 抓取时点：2026-10-08。
• 三源互证：PhysioNet 数据页（v1.0.0 与 v1.1.0）、GitHub 官方仓库、OpenAIRE/论文索引。
• 一切硬数字以 PhysioNet v1.1.0 官方页为准，v1.0.0 旧口径并存照（见 FACTS.md §4/§9）。
• 网络预算执行：WebSearch 1 次、WebFetch 3 次（含 2 次失败，未重试）、curl 定向抓取 3 次（<40s）。
• 所有 URL 均为占位式站点链接（https://www.qianfanghub.com/ai-ready-dataset/mimic-iii-ext-ppg/928）。

---

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：

• kingston-icu-af — 共享标签：生理信号 / 心电信号 / 重症监护 / 评测基准 / 心血管疾病
• cinc-2014 — 共享标签：生理信号 / 心电信号 / 重症监护 / 评测基准 / 心血管疾病
• mimic-perform — 共享标签：生理信号 / 心电信号 / 重症监护 / 评测基准 / 心血管疾病
• vtac — 共享标签：生理信号 / 心电信号 / 重症监护 / 评测基准
• code-test — 共享标签：生理信号 / 心电信号 / 评测基准 / 心血管疾病
• ecg-arrhythmia — 共享标签：生理信号 / 心电信号 / 评测基准 / 心血管疾病
• ecg-fragment-high-risk-label — 共享标签：生理信号 / 心电信号 / 评测基准 / 心血管疾病
• mimic-iv-ecg — 共享标签：生理信号 / 心电信号 / 重症监护 / 心血管疾病
• cinc-2015 — 共享标签：生理信号 / 心电信号 / 重症监护 / 心血管疾病
• mit-bih-afdb — 共享标签：生理信号 / 心电信号 / 评测基准 / 心血管疾病

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。