信息速览

数据集名称MIMIC-IV-ECHO — 心脏超声影像与结构化测量匹配子集

数据类型206,488 次超声检查结构化测量,524,137 个 DICOM 文件,91,372 名测量患者 / 4,572 名影像患者,2008-2022 测量 / 2017-2019 影像

规模91,372 名患者（结构化测量）；4,572 名患者（DICOM 影像）

接入方式MIT Laboratory for Computational Physiology / PhysioNet（BIDMC 采集） url: https://physionet.org/content/mimic-iv-echo/1.0.1/

AI 就绪度

MIMIC-IV-ECHO — 心脏超声影像与结构化测量匹配子集 AI-Ready Wikipedia

INFOBOX

字段	内容
数据集名称	MIMIC-IV-ECHO：超声心动图匹配子集
英文全称	MIMIC-IV-ECHO: Echocardiogram Matched Subset（详情页亦作 MIMIC-IV-Echo）
别名/简称	MIMIC-IV-Echo 模块；mimic-iv-echo；MIMIC-IV 超声心动图子集
疾病分类	ICD-11：BC42 心力衰竭、BA00 原发性高血压、BC81 心律失常等（详见 §2.1）
SNOMED CT	84114007（心力衰竭）、399211009（左心室射血分数测量）、368009（心脏杂音）等（详见 §2.1b）
数据模态	超声心动图 DICOM 影像（TTE）+ 结构化定量测量（长表）
AI 任务类型	心脏功能回归（LVEF）、结构性心脏病分类、影像-测量对齐、报告结构化、多模态预后
样本总数	206,488 次检查（结构化测量）；524,137 个 DICOM 文件 / 7,228 次检查（影像）
数据大小	524,137 个 DICOM 文件 + 3 张 CSV（具体体积以 PhysioNet 页面为准，凭证化后可见）
数据格式	DICOM（.dcm）+ CSV（3 张查找表）
许可证	PhysioNet Credentialed Health Data License 1.5.0（凭证化访问）
访问级别	凭证化（须 CITI 培训 + PhysioNet 认证 + 签署 DUA，且受区域政策限制）
DUO 标签	GRU（通用研究使用）+ 凭证化访问约束
语言	英文（测量项描述、报告字段名）
首发日期	2023-07-21（v0.1）
最后更新	2026-08-25（v1.0.1；截至 2026-10 为最新版本）
发布机构	MIT 计算生理学实验室（PhysioNet）× 贝斯以色列女执事医疗中心（BIDMC）
官方主页	PhysioNet 项目页
下载地址	PhysioNet 文件区（凭证化）
DOI	10.13026/307c-mr50（v1.0.1）
引用次数	新发布（v1.0.1，2026-08），社区引用尚未积累
AI 就绪度评分	⭐⭐⭐⭐（4/5）— 官方字段字典与 BigQuery 镜像齐备、标识体系与 MIMIC-IV 贯通；扣分：凭证化访问门槛高、无官方训练划分、DICOM 与测量子集范围不对齐
页面状态	published

§0 E-E-A-T 与审核声明

医学审核：[千方病案医学编辑部] 交叉审核：§2 医学背景（ICD-11/SNOMED 编码映射、心力衰竭与结构性心脏病流行病学）、§7 偏倚分析与公平性评估。审核日期：2026-10-16。

数据核验声明：本条目所有规模数字（206,488 次检查、524,137 个 DICOM 文件、7,228 次检查、4,572 名影像患者、91,372 名测量患者、179,928/16,389/10,171 分型）均取自 PhysioNet 官方项目页与详情页 1.0.1 版本，三源互证一致。特别提示：v1.0 版本页曾给出「500,000+ DICOM / 7,243 次检查 / 4,579 名患者」的旧口径，v1.0.1 修正为精确实测值，两套口径差异在本条目 §9 逐条存照。

一手来源：

PhysioNet 项目页：https://physionet.org/content/mimic-iv-echo/

PhysioNet v1.0.1 详情页：https://physionet.org/content/mimic-iv-echo/1.0.1/

PhysioNet Resources 列表页（Credentialed Access 分类）

DOI：https://doi.org/10.13026/307c-mr50

写作立场：本条目面向「AI-Ready」视角——既讲清数据集的医学与临床语义，也讲清它在真实工程中「拿到手后用不起来」的每一个细节（凭证门槛、影像与测量子集错位、DICOM 解析、患者级泄漏）。凡涉及「官方口径 vs 社区口径」「v1.0 vs v1.0.1」冲突处，均逐条存照，不擅自合并。

内容免责：本条目为数据资源百科，非临床诊疗指南。任何基于本数据集训练的模型在临床部署前必须经前瞻性验证与相应监管审批（如 FDA SaMD 路径）。

§1 数据集概览

§1.0 📌 30 秒速览

它是什么：MIMIC-IV 家族中唯一的超声心动图匹配子集——把 BIDMC 心电图室级的「结构化定量测量」与「DICOM 影像原始文件」两大部分，通过 subject_id 挂到 MIMIC-IV 全院病历上。
规模有多大：206,488 次超声心动图检查的测量数据（2008–2022，91,372 名患者），加 524,137 个 DICOM 文件（2017–2019，7,228 次检查、4,572 名患者）。
能做什么：心功能定量回归（LVEF/室壁厚度）、结构性心脏病分类、超声影像-测量跨模态对齐、超声报告自动结构化，以及与 MIMIC-IV 用药/化验/心电的纵向多模态建模。
最大门槛：凭证化访问（credentialed access）——必须完成 CITI「Data or Specimens Only Research」培训、取得 PhysioNet 认证、并签署数据使用协议（DUA）1.5.0；抓取时点还显示区域政策限制提示。
最容易踩的坑：DICOM 影像子集（4,572 患者 / 2017–2019）与结构化测量子集（91,372 患者 / 2008–2022）范围不对齐，影像患者只是测量患者的子集——把两者当同一个集合会直接算错分母（见 §3.2 与坑点 4）。

§1.1 摘要

MIMIC-IV-ECHO（Echocardiogram Matched Subset，超声心动图匹配子集）是由 MIT 计算生理学实验室与波士顿贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center, BIDMC）联合构建、托管于 PhysioNet 的数据集。它是 MIMIC-IV 临床数据库家族的重要补充模块——继 MIMIC-IV-ECG（心电波形）、MIMIC-CXR（胸片）之后，把超声心动图这一心血管临床最常用的影像模态纳入「可关联病历」的开放研究版图。

数据集由两大部分组成，二者通过标识体系（subject_id / study_id / measurement_id）与 MIMIC-IV 严格对齐：

结构化测量（structured measurements）：来自 BIDMC 超声心动图系统 2008–2022 年的全部测量记录，经病历号（MRN）确定性映射匹配 MIMIC-IV 患者后，得到 206,488 次检查、覆盖 91,372 名患者。分型上包含 179,928 次经胸超声心动图（TTE）、16,389 次负荷超声心动图（stress）、10,171 次经食管超声心动图（TEE）。测量内容涵盖心腔尺寸与容积、收缩与舒张功能、瓣膜形态与功能、主动脉根与大血管径、多普勒血流动力学等，每次检查约 180–230 个测量变量（依检查类型而异）。
DICOM 影像文件：2017–2019 年在 GE Vivid E90 / Vivid E95 / Vivid S7 设备上采集的 524,137 个 DICOM 文件，对应 7,228 次经胸超声检查、4,572 名患者。所有影像均为 TTE（探头置于胸壁）。

官方特别强调：这些测量是「算法辅助、临床医师核验」的定量参数（algorithm-assisted, clinician-verified quantitative parameters），而非纯自动输出——这决定了它们的质量上限与潜在偏差来源。超声医师的自由文本报告（cardiologist reports）目前不在本模块内，官方声明将于后续在 MIMIC-IV-Note 模块发布。

§1.2 战略价值

在公开的超声心动图数据资源中，MIMIC-IV-ECHO 的独特定位是**「影像 + 定量测量 + 纵向病历」三合一**：

相比 EchoNet-Dynamic / EchoNet-LVH：后者专注于单一任务（心功能视频分割、左心室肥厚分类）且数据集相对自包含；MIMIC-IV-ECHO 的价值在于它的测量表可挂到全院 EHR——人口学、诊断、用药、化验、心电全部可关联，因而支持「超声发现 → 临床结局」的纵向队列研究，而非仅图像任务。
相比 MIMIC-IV-ECG / MIMIC-CXR：这两者的模态是波形与放射影像，无法提供心脏结构的动态超声定量；MIMIC-IV-ECHO 补上了这个缺口，使 MIMIC-IV 家族具备完整的心血管多模态链路（心电图 + 超声 + 胸片 + 化验）。
相比通用超声数据集：其测量表的规模与结构化程度（206,488 次检查、每次上百个变量）在公开资源中居于前列，适合做测量抽取、报告结构化、正常值参考区间等研究。

对 AI 研究的直接意义：① 心功能定量（LVEF、室壁厚度、瓣口面积）的可扩展标注源；② 影像-测量跨模态对齐（从图像直接回归临床测量）；③ 超声报告生成/结构化的真实世界语料底座（当 Note 模块报告到位后）；④ 与 MIMIC-IV 的多模态基础模型预训练语料（影像 + 结构化 + 时间序列 + 文本）。

§1.3 同类数据集横向对比

数据集	机构	模态	规模	访问	相对本数据集定位
MIMIC-IV-ECHO	MIT LCP / BIDMC	超声 DICOM + 结构化测量	524,137 文件 / 206,488 检查	凭证化	本条目；影像+测量+EHR 三合一
EchoNet-Dynamic	斯坦福	超声视频	10,030 视频 / 约 10,030 患者	开放（注册）	单一任务的视频集，无 EHR 关联
EchoNet-LVH	斯坦福	超声视频	约 12,000 视频	开放（注册）	专注左心室肥厚表型
EchoNet-Pediatric	斯坦福	儿科超声视频	约 7,600 视频	开放（注册）	儿科专用
EchoRisk	多中心	纵向超声 + 心脏毒性	多中心队列	视来源	聚焦心脏肿瘤学毒性
EchoNext	多中心	ECG → 结构性心脏病	ECG 队列	视来源	用 ECG 筛查超声确诊的结构病
MIMIC-IV-ECG	MIT LCP / BIDMC	12 导联 ECG 波形	800,035 条	开放（v1.0）	同院心电兄弟模块
MIMIC-CXR	MIT LCP / BIDMC	胸片 + 报告	377,110 张	凭证化	同院放射模态

说明：表中 EchoNet 系列规模为公开口径近似值，详细数字以其官方页面为准；本条目仅在「与 MIMIC-IV-ECHO 的关系」维度做定位，不做穷尽枚举。

读表要点：本数据集相对 EchoNet 家族的核心差异不在「规模更大」，而在「与 EHR 关联」——EchoNet 系列的影像规模与专门采集质量可能更优，但只有 MIMIC-IV-ECHO 能把超声发现接到人口学、诊断、用药、化验、心电的完整病历链上。因此选型时先问：你的研究需不需要病历上下文？需要 → 本数据集；仅做纯影像任务 → EchoNet 系列可能更省事。

与同院模块的分工：MIMIC-IV-ECG 提供心电波形，MIMIC-CXR 提供胸片，MIMIC-IV-ECHO 提供超声——三者共用 subject_id，构成同院心血管多模态三角。做跨模态研究时，这三者应联合使用而非单独选取。

§1.4 版本时间轴

版本	日期	关键变更	口径影响
0.1	2023-07-21	首次发布	早期版本
1.0	2026-03-10	正式发布	DICOM 口径曾记为「500,000+ / 7,243 / 4,579」
1.0.1	2026-08-25	移除 15 项标识符冲突检查 + 9 个越界 DICOM 文件；无 schema 变更	DICOM 精确为「524,137 / 7,228 / 4,572」

重要：撰写本条目使用的检索材料中曾出现「MIMIC-IV-ECHO 于 2024 年发布」的说法，经 PhysioNet 官方版本历史核验证伪——官方三个版本的日期分别为 2023-07-21、2026-03-10、2026-08-25。本条目一律以官方版本历史为准（见 §9 存照）。

§1.5 典型应用场景

场景	输入	输出	关键注意
心功能定量回归	超声 DICOM 关键帧 / 视频	LVEF、室壁厚度连续值	测量需与影像同一 study 对齐
结构性心脏病分类	超声影像	瓣膜病/肥厚/扩张等标签	需从测量表构造标签，无官方标签列
影像-测量跨模态对齐	DICOM ↔ structured_measurement	图像→测量回归	约 99% 文件可 2 日内时间关联
超声报告结构化	测量长表	结构化报告/正常值判定	当 Note 报告到位后可与自由文本互证
多模态结局预测	超声 + MIMIC-IV 病历	死亡/再入院/心衰事件	患者级分组切分，防泄漏
测量正常值与漂移研究	结构化测量长表	参考区间、年代漂移	注意单中心与设备异质性

§1.6 一句话定位与读者地图

如果用一句话概括 MIMIC-IV-ECHO：它是「把心脏超声的临床定量测量与影像原始文件，接到全院电子病历上」的公开数据集——规模可观、合规严格、但需要凭证才能使用，且影像与测量两个子集范围不同。

不同读者的落脚点：

临床研究者：重点读 §2（医学背景与关联研究设计），理解测量表的临床语义与 MIMIC-IV 关联范式。
机器学习工程师：重点读 §3–§6（数据结构、划分、代码、坑点），尤其是长表 pivot、患者级泄漏、DICOM 解析。
数据治理/合规：重点读 §5（version 链）与 §7.4 伦理合规、坑点 7（凭证化流程）。
做综述/选型的：重点读 §1.3 横向对比与 §8 生态，判断它相对 EchoNet 系列的差异化价值。

无论哪类读者，请先记住两条底线：分母分清（4,572 vs 91,372）、切分按患者（subject_id）。

§2 医学背景

§2.1 ICD-11 编码映射表

MIMIC-IV-ECHO 本身不提供 ICD 诊断标签列，但通过 subject_id 关联 MIMIC-IV 临床数据库后即可获得 ICD-9/10 诊断。下表给出与超声心动图临床用途最相关的疾病在 ICD-11 下的映射起点，供研究者在构造标签体系时参考。

临床类别	ICD-11 编码	英文名	超声心动图典型发现
心力衰竭	BC42	Heart failure	LVEF 降低、左室扩张、E/A 比值异常
射血分数降低型心衰	BC42.1	Heart failure with reduced ejection fraction	LVEF < 40%
射血分数保留型心衰	BC42.2	Heart failure with preserved ejection fraction	LVEF 正常、舒张功能不全
原发性高血压	BA00	Essential hypertension	左室肥厚、室壁增厚
心房颤动	BC81.3	Atrial fibrillation	左房增大、二尖瓣血流异常
主动脉瓣狭窄	BB70	Aortic valve stenosis	瓣口面积减小、跨瓣压差升高
二尖瓣反流	BB51	Mitral valve regurgitation	反流束、左房增大
急性心肌梗死	BA41	Acute myocardial infarction	节段性室壁运动异常
肺动脉高压	BB01	Pulmonary hypertension	右室增大、三尖瓣反流速度升高
心肌病	BC43	Cardiomyopathy	室壁厚度/心腔大小异常

编码解释为通用临床知识映射，非数据集自带；实际分组以 MIMIC-IV 上游 ICD 编码为准（MIMIC-IV 采用 ICD-9/10，需自行做 ICD-9→ICD-11 映射）。

§2.1b SNOMED CT 映射表

概念	SNOMED CT	说明
心力衰竭	84114007	与 ICD-11 BC42 对应
左心室射血分数测量	399211009	超声核心定量指标
心脏杂音	368009	瓣膜病初筛体征
经胸超声心动图	40701008	对应本数据集 DICOM 全部为 TTE
经食管超声心动图	105376000	对应测量表的 TEE 子集
负荷超声心动图	274504008	对应测量表的 stress 子集
左心室肥厚	55827005	与 EchoNet-LVH 任务呼应
二尖瓣反流	48724000	瓣膜功能测量

§2.2 疾病简介与流行病学

超声心动图（echocardiography）利用高频声波（超声波）对心脏成像，是评估心脏结构与功能最常用的无创影像手段。它用于诊断、监测与疗效评估，适用于确诊或疑似心脏病患者。其核心临床价值在于提供动态、可量化的心脏信息——这是静态胸片与波形心电图无法替代的。

心力衰竭：全球患病负担沉重，射血分数（LVEF）是分型与治疗决策的核心指标；本数据集的 LVEF 类测量因此是心衰研究的直接抓手。
瓣膜病：随着人口老龄化，主动脉瓣狭窄、二尖瓣反流的检出率上升，超声是首诊与随访的金标准模态。
结构性心脏病筛查：超声是确诊结构性心脏病的参照标准，因而成为「ECG/心电信号筛查 → 超声确诊」这一新兴范式（如 EchoNext）的标签来源。

超声心动图的类型（本数据集测量表覆盖三类）：

经胸超声心动图（TTE, Transthoracic Echocardiography）：探头置于胸壁，最常规，占本数据集测量表的 179,928 次，也是 DICOM 影像的全部内容。
经食管超声心动图（TEE, Transesophageal Echocardiography）：经食管探头提供心脏后方结构的高分辨图像，10,171 次。
负荷超声心动图（Stress Echocardiography）：评估运动或药物负荷下的心肌收缩反应，16,389 次。

成像模式上又分 2-D（实时断面成像）、多普勒（血流速度与方向）与 3-D（三维重建）——本数据集的测量表同时包含来自这些模式的定量结果。

§2.3 临床任务定义

基于本数据集可定义的典型临床 AI 任务：

心脏功能定量回归：从超声影像预测 LVEF、室壁厚度、心腔容积等连续指标。目标变量直接取自 structured_measurement.csv。
结构性心脏病分类：基于影像或测量，判定瓣膜病、肥厚型/扩张型心肌病等，标签需从测量阈值或关联 ICD 构造。
影像-测量跨模态对齐：建立「图像 → 测量」映射，验证模型是否学到了临床可解释的结构特征。
超声报告结构化 / 生成：从测量长表生成结构化报告，或（当 Note 报告到位后）做报告文本与测量的互证。
多模态结局预测：结合超声 + MIMIC-IV 病历，预测死亡、再入院、心衰事件等纵向结局。
测量可得性与缺失模式研究：不同检查类型（TTE/TEE/stress）的测量项不同，缺失模式本身携带临床语义。

§2.4 患者人群画像

来源人群：BIDMC 超声心动图受检者，经 MRN 匹配 MIMIC-IV 临床数据库患者。
测量子集：91,372 名患者，2008–2022 年；MIMIC-IV 临床库本身以 ICU/急诊（ED）为主，但官方明确未按地点或就诊类型过滤——因此超声检查可能发生在 ICU/ED 之外，时间戳可早于或晚于 MIMIC-IV 中的某次就诊。
影像子集：4,572 名患者，2017–2019 年收治，是测量患者集合的严格子集。
选择偏倚：受检者多为有临床指征（症状或疑诊）的患者，属医院来源选择偏倚；官方为影像子集采用患者随机化顺序评估、保留每位入组患者的全部合格超声，以避免研究级临床选择偏倚——但底层 MIMIC-IV 队列的 ICU/ED 中心性仍然存在。

§2.5 临床价值

MIMIC-IV-ECHO 的临床研究价值体现在三个层次：

个体层：结构化测量为心功能评估提供了可计算的定量基础，可直接用于构建心衰、瓣膜病的表型算法。
队列层：与 MIMIC-IV 关联后，可做「超声发现 → 用药/结局」的真实世界纵向研究（如 LVEF 与 β 受体阻滞剂使用、与死亡率的关联）。
方法层：作为超声影像深度学习的大规模带标注参考源，可用于验证影像模型是否复现了临床测量的生物学含义（而非仅仅拟合像素相关性）。

§2.6 金标准对照表

任务	本数据集中的「金标准」	性质	局限
LVEF / 室壁厚度等定量测量	structured_measurement.csv 中的临床测量值	算法辅助 + 医师核验	存在操作者间变异；不同检查类型测量项不同
超声诊断结论	不在本模块（待 MIMIC-IV-Note 报告）	尚未提供	无法直接用自由文本诊断作标签
疾病诊断（ICD）	经 subject_id 关联 MIMIC-IV	上游 EHR 编码	编码质量与映射损失
影像-测量对应	echo-study-list.csv 时间关联（约 99% 可 2 日内对齐）	时间对齐	关联非逐一语义确认

§2.7 超声测量的临床语义解读

理解测量表的临床语义，是把它转成 AI 任务的前提。几个关键点：

LVEF（左心室射血分数）：最常被引用的心功能指标，由描迹心室舒张末与收缩末边界后算法计算。它同时是「测量」与「标签」——既可作为回归目标，也可经阈值（<40%/≥50%）转为 HFrEF/HFpEF 分类。
室壁厚度与心腔尺寸：多为医师直接测量，反映结构重构，是左室肥厚、扩张型心肌病的判据。
瓣膜功能：多为分级（轻/中/重）而非连续值，在长表中可能以文本或编码出现，需谨慎处理类型。
多普勒指标：跨瓣压差、肺动脉压等由血流速度经伯努利方程推算，依赖操作角度，操作者变异较大。
测量可测量性：某些测量在特定切面质量下测不到（如房颤时 E/A 融合），「测不到」本身是临床信号（见 §4.5、坑点 5）。

结论：本数据集的测量表不是「一堆数字」，而是带临床语义的结构化表型体系。把它当纯数值矩阵会丢失大量可用于标签构造的语义。

§2.8 与 MIMIC-IV 的关联研究设计

把 MIMIC-IV-ECHO 挂到 MIMIC-IV 后，可设计的典型研究范式：

暴露-结局：以某次超声发现的异常（如 LVEF<40%）为暴露，追踪后续死亡/再入院结局。
治疗-反应：以超声功能指标为基线，观察用药后（如 β 受体阻滞剂、利尿剂）的随访超声变化。
多模态表型：联合心电图（MIMIC-IV-ECG）、化验（如 BNP）、胸片（MIMIC-CXR）界定心衰亚型。
队列富集：用测量阈值筛出特定亚群（如重度主动脉瓣狭窄），做专门建模。

设计要点：MIMIC-IV 只含 ED/ICU 数据，超声时间可落在就诊之外；关联时须显式处理「无对应就诊」样本，避免隐式删失偏倚（见坑点 6）。

§3 数据集规格

§3.0 版本抉择矩阵

考量	建议
需要最新、最准的 DICOM 口径	用 v1.0.1（2026-08-25，524,137 文件 / 7,228 检查 / 4,572 患者）
复现旧论文或旧内部流程	注意 v1.0 口径（500,000+ / 7,243 / 4,579），差异见 §9
引用 DOI	v1.0.1 用 10.13026/307c-mr50；如引最新版用 10.13026/agyq-zp57
schema 兼容	v1.0.1 相对 v1.0 无 schema 变更，字段结构稳定

版本选择的第一原则：锁定版本 + 记录 SHA256。DICOM 子集在 v1.0.1 相对 v1.0 有少量删减（15 检查 + 9 文件），若论文报告的样本数与官方口径对不上，先核对版本。

§3.1 模态详情

模态	内容	数量/范围	备注
DICOM 影像	经胸超声心动图图像序列	524,137 文件 / 7,228 检查 / 4,572 患者	2017–2019，GE Vivid E90/E95/S7；每检查含多个视图序列
结构化测量	每行一个测量值（长表）	206,488 检查 / 91,372 患者	2008–2022；每次约 180–230 变量
查找表	影像-测量-报告的关联	3 张 CSV	echo-record-list / echo-study-list / structured_measurement
医师报告	超声医师自由文本	暂缺	官方声明后续在 MIMIC-IV-Note 发布

§3.2 子集样本数表

子集	检查数	患者数	时间范围	说明
结构化测量 — 全部	206,488	91,372	2008–2022	三大类型合计
— TTE（经胸）	179,928	—	—	主要类型
— Stress（负荷）	16,389	—	—	负荷试验
— TEE（经食管）	10,171	—	—	经食管
DICOM 影像	7,228	4,572	2017–2019	全部为 TTE
隐藏测试集（测量）	769	437	—	患者级扣留，全部测量撤除
隐藏测试集（DICOM）	358	232	—	患者级扣留

核心陷阱：影像子集（4,572 患者）与测量子集（91,372 患者）不是同一个集合。影像患者是测量患者的子集，且时间窗口窄得多（2017–2019 vs 2008–2022）。切勿用 91,372 当影像研究的患者数。

§3.3 格式表

文件	格式	关键列	用途
structured_measurement.csv	长表 CSV	subject_id, measurement_id, measurement_datetime, test_type, measurement, measurement_description, result, unit	定量测量主表
echo-record-list.csv	CSV	dicom_filepath, acquisition_datetime, study_id, subject_id	DICOM 文件索引
echo-study-list.csv	CSV	study_id, measurement_id, measurement_datetime, note_id, note_seq, note_charttime	影像-测量-报告关联
files/pNN/pXXXXXXXX/sZZZZZZZZ/*.dcm	DICOM	—	超声影像原始文件

§3.4 存储大小

项	说明
DICOM	524,137 个文件；总体积以 PhysioNet 页面为准（凭证化后可见）
CSV	三张查找表合计通常为数百 MB 量级（structured_measurement 长表较大）
建议	先下载三张 CSV 跑通流程，再按需拉取 DICOM（避免一次性全量下载）

§3.5 标注方式

测量生成：临床医师直接测量（如壁厚）或医师引导描迹 + 算法计算（如描迹心室边界算 LVEF），全部经医师复核并按需手工修正后定稿。
官方术语：echocardiographic structured measurements（超声心动图结构化测量）。
无独立标签列：诊断标签需自行从测量阈值或关联 ICD 构造。
报告：医师自由文本报告暂不在模块内。

§3.6 标注者资质与一致性

测量由 BIDMC 心脏超声室的临床团队产生，属常规临床流程而非专门标注项目。
因此一致性不由标注协议保证，而由临床标准化 + 医师复核间接保证；跨操作者变异真实存在，尤其在不同检查类型与年代间。
官方明确「automation varies by measurement type」，即不同测量项的自动化程度不同，这本身就是一致性的异质来源。

§3.7 采集周期

结构化测量：2008–2022（14 年跨度，跨越多代设备与临床规范演变）。
DICOM 影像：2017–2019（受存储与处理约束，仅覆盖部分合格人群）。

§3.8 地域覆盖

单中心：美国马萨诸塞州波士顿 Beth Israel Deaconess Medical Center（BIDMC）。
因此存在明确的地域与机构偏倚——人群构成、疾病谱、设备品牌均不具全球代表性。

§3.9 设备规格

项	说明
影像设备	General Electric（GE）Vivid E90 / E95 / S7
采集年代	2017–2019
影像类型	全部为 TTE（经胸）
测量设备	BIDMC 超声心动图系统（2008–2022）

§3.10 深度溯源链

BIDMC 常规诊疗超声心动图（2008–2022 测量 / 2017–2019 影像）
        │  MRN 确定性映射 → subject_id（与 MIMIC-IV 一致）
        ▼
BIDMC 超声心动图系统 + GE Vivid 设备
        │  HIPAA Safe Harbor 去标识（日期偏移 / UID 位移 / 私有标签清除 / OCR 筛 PHI）
        ▼
MIMIC-IV-ECHO 模块（PhysioNet 托管，凭证化访问）
        │  subject_id 关联
        ▼
MIMIC-IV 临床数据库（人口学 / 诊断 / 用药 / 化验 / 心电 / 波形）

§3.11 与上游 MIMIC-IV 模块的对齐矩阵

MIMIC-IV 模块	关联键	可补充的信息	关联注意
MIMIC-IV 主库（Hosp/ICU）	subject_id	人口学、诊断、用药、化验、生命体征	只含 ED/ICU，超声时间可落在就诊外
MIMIC-IV-ECG	subject_id	同院心电图波形	做「ECG→结构病」同院配对研究
MIMIC-IV-Note	subject_id / note_id	临床自由文本（含超声报告待发布）	echo-study-list 的 note_id 指向此模块
MIMIC-IV-Waveform	subject_id	高频生理波形	ICU 场景多模态
MIMIC-CXR	subject_id	胸片	心脏影像多模态
MIMIC-IV-ED	subject_id	急诊就诊信息	时间窗口对齐

对齐的黄金键是 subject_id；study_id / measurement_id / note_id 用于模块内的检查/测量/报告三层互链。所有关联必须处理「超声无对应就诊」的情形（见坑点 6）。

§4 数据结构

§4.0 目录树

mimic-iv-echo-1.0.1/
├── structured_measurement.csv        # 结构化测量长表（206,488 检查）
├── echo-record-list.csv              # DICOM 文件索引（524,137 行）
├── echo-study-list.csv               # study_id ↔ measurement_id ↔ note_id 关联
└── files/                            # DICOM 影像（按 subject_id 分组）
    └── pNN/                          # subject_id 前两位
        └── pXXXXXXXX/                # subject_id
            └── sZZZZZZZZ/            # study_id
                └── ZZZZZZZZ_VVVV.dcm # 视图编号 VVVV 的 DICOM 文件

路径规则：files/pNN/pXXXXXXXX/sZZZZZZZZ/ZZZZZZZZ_VVVV。其中 NN = subject_id 前两位，XXXXXXXX = subject_id，ZZZZZZZZ = study_id，VVVV = 视图编号。

§4.1 DAIMS 字段字典

structured_measurement.csv（长表，每行一个测量）

列名	类型	说明	示例
subject_id	整数	患者标识符（跨 MIMIC-IV 一致）	10000032
measurement_id	整数	一次超声检查的唯一标识	82750001
measurement_datetime	日期时间	去标识化的测量时间（已偏移）	2180-05-12 09:30:00
test_type	文本	检查类型：TTE / TEE / stress	TTE
measurement	文本	测量项标识符	某项内部代码
measurement_description	文本	测量项可读描述	如 Left Ventricular Ejection Fraction
result	浮点/文本	测量结果值	55
unit	文本	单位	%

echo-record-list.csv（每行一个 DICOM 文件）

列名	类型	说明
dicom_filepath	文本	相对路径 files/pNN/pXXXXXXXX/sZZZZZZZZ/…
acquisition_datetime	日期时间	去标识化采集时间
study_id	整数	超声检查标识
subject_id	整数	患者标识符

echo-study-list.csv（每行一次检查）

列名	类型	说明
study_id	整数	检查标识
measurement_id	整数	关联的结构化测量（若存在时间对齐）
measurement_datetime	日期时间	测量时间
note_id	文本	关联的心脏科报告（MIMIC-IV-Note，若有）
note_seq	整数	报告序号
note_charttime	日期时间	报告记录时间

§4.2 标签分布

本数据集无官方分类标签列。可用的「标签」来源有三：

测量阈值派生标签：如 LVEF<40% → HFrEF；室壁厚度阈值 → 左室肥厚。
关联 ICD 标签：经 subject_id 从 MIMIC-IV 取诊断编码。
影像层面的视图/序列标签：无官方视图标签，需自行从 DICOM 元数据推断。

因此任何「分类基准」都需要自行定义标签语义并公开声明，否则结果不可比。

§4.3 关键统计

统计项	值
测量检查总数	206,488
测量患者总数	91,372
每患者平均检查数	≈ 2.26（206,488 / 91,372）
每检查测量变量	≈ 180–230
DICOM 文件总数	524,137
DICOM 检查数	7,228
每检查平均 DICOM 文件	≈ 72.5（524,137 / 7,228）
时间关联率	≈ 99%（2 日内）

每患者平均 2.26 次检查意味着患者级重复普遍存在，随机切分必然泄漏（见 §5.3）。

§4.3b 测量项分类字典（按临床维度）

官方未公开完整的 180–230 项测量字典，但依 PhysioNet 项目页描述，测量内容可归入以下临床维度。该分类是研究者构造任务标签时的组织框架，非官方清单。

临床维度	代表性测量项（英文描述示例）	临床用途
心腔尺寸与容积	Left Ventricular Internal Dimension (Diastole/Systole)、Left Atrial Volume Index	评估扩大/肥厚
收缩功能	Left Ventricular Ejection Fraction、Fractional Shortening、Stroke Volume	心衰分型、射血能力
舒张功能	E/A Ratio、E/e’、Deceleration Time、Left Atrial Pressure	舒张性心衰（HFpEF）
瓣膜形态与功能	Mitral/Aortic/Tricuspid Valve Regurgitation & Stenosis 分级	瓣膜病诊断
主动脉根与大血管	Aortic Root Diameter、Ascending Aorta Dimension	主动脉疾病监测
多普勒血流动力	Peak/Mean Gradient、Pulmonary Artery Pressure、Cardiac Output	血流动力学评估
室壁厚度	Interventricular Septal Thickness、Posterior Wall Thickness	左室肥厚（LVH）
右心系统	Right Ventricular Size/Function、TAPSE	右心功能、肺高压

说明：每项测量值均记录在长表的 measurement（内部代码）与 measurement_description（可读描述）列，配 result 与 unit。构造任务时建议以 measurement_description 为语义锚点做归一化归并。

§4.4 数据层级

subject_id (患者)
   └── study_id / measurement_id (一次超声检查)
          ├── structured_measurement 行 (180–230 个测量)
          └── DICOM 文件 (多个视图序列，每文件一个视图帧)

§4.5 缺失值与信息性缺失编码

情形	表现	性质
检查类型不同	TTE/TEE/stress 的测量项集合不同	结构性缺失：某类型天然没有某些测量
某项测不到	result 空/缺该 measurement 行	信息性缺失：测不到本身是临床信号
影像与测量未对齐	echo-study-list 中 measurement_id 为空	约 1% 无法 2 日内关联
报告未就位	note_id 列存在但 Note 模块报告待发布	暂时性缺失

关键：本数据集是长表，缺失不是「空单元格」而是「整行不存在」。统计缺失率时必须先按 test_type 分层，否则会误判。

§5 划分与使用建议

§5.1 官方划分

官方不提供公开的训练/验证划分。
仅提供患者级隐藏测试集：结构化测量扣留 769 次检查 / 437 名患者；DICOM 扣留 358 次检查 / 232 名患者。
隐藏集按 MIMIC-IV 的患者级 train/test 划分定义（训练集对应公开的 MIMIC-IV 数据）。

§5.2 社区惯例划分

# 方案 A：患者级单次切分（80/20）——快速实验默认
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(df, groups=df["subject_id"]))

# 方案 B：患者级 5 折——论文报告用，逐折取指标均值±标准差
from sklearn.model_selection import GroupKFold
gkf = GroupKFold(n_splits=5)
for fold, (tr, te) in enumerate(gkf.split(df, groups=df["subject_id"])):
    ...

无论选哪种，groups= 必须是 subject_id，绝不能按 measurement_id / study_id / DICOM 文件切分。

§5.3 泄漏风险（重点）

患者级重复：每患者平均约 2.26 次检查，同一患者多次超声高度相关。按记录切分会使同一患者跨 train/test，指标虚高。
影像内部泄漏：同一次检查的多个 DICOM 视图帧来自同一心动周期/同一探头位置，若把同一 study 的帧分到 train/test 两侧，等于泄漏。
时间泄漏：同一患者的随访检查若按时间切分，需保证「未来」不落入训练集。
应对：所有切分一律以 subject_id 为分组键；同时报告记录级与患者级两套指标以自证无泄漏。

§5.4 交叉验证建议

用 GroupKFold / StratifiedGroupKFold，groups=subject_id。
若做分类，按派生标签分层但保持患者分组。
报告 5 折均值 ± 标准差 + bootstrap 95% CI。

§5.5 外部验证建议

用 EchoNet-Dynamic / EchoNet-LVH / EchoNet-Pediatric 做跨机构泛化测试（同为超声心动图模态，但设备与人群不同）。
与 MIMIC-IV-ECG / EchoNext 结合，做「心电筛查 → 超声确诊」的跨模态外部验证。
跨模态迁移时务必声明预训练数据是否含评估折患者，防间接泄漏。

§6 AI 就绪指南

§6.0 云端快速启动

# 方式一：PhysioNet 文件区（须先完成凭证化认证 + DUA）
# 三张 CSV 体积小，先拉；DICOM 按需按 subject 组目录拉取
# wget -r -N -c -np --user <你的PhysioNet账号> --ask-password \
#   https://physionet.org/files/mimic-iv-echo/1.0.1/

# 方式二：BigQuery 汇总表（须授权访问 physionet-data 项目）
# bq query --use_legacy_sql=false \
#   'SELECT * FROM `physionet-data.mimiciv_echo.structured_measurement` LIMIT 100'

§6.1 快速上手

# =============================================================
# 先跑通测量表（无需 DICOM），再做影像任务
# 目录结构预期（data_root 指向解压后的 v1.0.1 根目录）：
#   mimic-iv-echo-1.0.1/
#   ├── structured_measurement.csv   # 长表，每行一个测量
#   ├── echo-record-list.csv         # DICOM 文件索引
#   ├── echo-study-list.csv          # study ↔ measurement ↔ note 关联
#   └── files/pNN/pXXXXXXXX/sZZZZZZZZ/ZZZZZZZZ_VVVV.dcm
# =============================================================
import pandas as pd

data_root = "/path/to/mimic-iv-echo-1.0.1"
meas = pd.read_csv(f"{data_root}/structured_measurement.csv")

# 检查类型分布（TTE / TEE / stress）
print(meas["test_type"].value_counts())

# 取某位患者的全部检查（一人多次是常态）
pid = meas["subject_id"].iloc[0]
print(meas[meas["subject_id"] == pid][["measurement_id", "measurement_datetime", "test_type"]]
      .drop_duplicates().sort_values("measurement_datetime"))

# 长表转宽表：一次检查一行，测量项为列（注意不同 test_type 测量项不同）
wide = (meas.pivot_table(index="measurement_id",
                         columns="measurement_description",
                         values="result", aggfunc="first"))
print(wide.shape)

§6.2 数据获取

凭证化访问的完整流程（官方 FAQ + PhysioNet 政策）：

完成 CITI「Data or Specimens Only Research」 培训，提交 Completion Report（而非仅证书）。
在 PhysioNet 注册并完成身份认证（credentialing）。
对 MIMIC-IV-ECHO 模块单独签署 DUA 1.5.0。
学生申请需导师作推荐人。
关联使用 MIMIC-IV 其他模块时，需逐模块完成同样的 DUA 流程。

抓取时点该数据集页面显示区域政策限制提示（Data Not Available in your region），部分地区的访问可能额外受限。

§6.3 预处理全流程

# 依赖：pip install pandas numpy pydicom scikit-learn
import pandas as pd
import numpy as np
import pydicom

data_root = "/path/to/mimic-iv-echo-1.0.1"

# ---- 1. 读数并做基本清洗 ----
meas = pd.read_csv(f"{data_root}/structured_measurement.csv")

# 1a. 标准化数值列：result 混有非数值文本，统一转数值并标记
meas["result_num"] = pd.to_numeric(meas["result"], errors="coerce")
meas["result_is_numeric"] = meas["result_num"].notna()

# 1b. 按测量项设置物理合理域，域外置 NaN（防哨兵/录入错误）
plausible = {
    "Left Ventricular Ejection Fraction": (0, 100),   # %
    "unit": None,
}

# 1c. 按 test_type 分层统计缺失（长表的缺失是"整行不存在"）
miss = (meas.groupby("test_type")["measurement_description"]
        .nunique().rename("n_distinct_measurements"))
print(miss)   # TTE/TEE/stress 的测量项集合不同 → 结构性缺失

# ---- 2. 载入一张 DICOM，理解结构与像素 ----
rec = pd.read_csv(f"{data_root}/echo-record-list.csv")
one = rec.iloc[0]
ds = pydicom.dcmread(f"{data_root}/files/{one['dicom_filepath']}")
print(ds.Modality, ds.Rows, ds.Columns, ds.PhotometricInterpretation)
arr = ds.pixel_array  # 注意：超声常为 YBR_FULL_422，需转 RGB
if ds.PhotometricInterpretation == "YBR_FULL_422":
    arr = pydicom.pixel_data_handlers.util.convert_color_space(
        arr, ds.PhotometricInterpretation, "RGB")

# ---- 3. 构建 (影像, 测量) 对齐表 ----
stud = pd.read_csv(f"{data_root}/echo-study-list.csv")
linked = stud[stud["measurement_id"].notna()]      # 约 99% 可对齐
linked = linked.merge(rec, on="study_id", how="inner")
print("可对齐 study 数：", linked["study_id"].nunique())

# ---- 4. 患者级划分（防泄漏，见 §5.3）----
from sklearn.model_selection import GroupShuffleSplit
gss = GroupShuffleSplit(n_splits=1, test_size=0.2, random_state=42)
tr, te = next(gss.split(linked, groups=linked["subject_id"]))
print("train study:", linked.iloc[tr]["study_id"].nunique(),
      "test study:", linked.iloc[te]["study_id"].nunique())

§6.4 PyTorch DataLoader 完整代码

# 依赖：pip install torch torchvision pydicom pandas scikit-learn pillow
# 本例：从超声 DICOM 关键帧回归 LVEF（患者级分组划分）
import pandas as pd, numpy as np, pydicom, torch
from torch.utils.data import Dataset, DataLoader
from sklearn.model_selection import GroupShuffleSplit
from PIL import Image

data_root = "/path/to/mimic-iv-echo-1.0.1"
LVEF = "Left Ventricular Ejection Fraction"   # 以实际测量项描述为准

meas = pd.read_csv(f"{data_root}/structured_measurement.csv")
rec  = pd.read_csv(f"{data_root}/echo-record-list.csv")
stud = pd.read_csv(f"{data_root}/echo-study-list.csv")

# 取每次检查的 LVEF（长表 → 每次检查一个值）
lvef = (meas[meas["measurement_description"] == LVEF]
        .groupby("measurement_id")["result"].first().rename("lvef"))
lvef = pd.to_numeric(lvef, errors="coerce")

# 对齐到影像：study → measurement → lvef，再取该 study 的一个 DICOM 文件
s = stud[stud["measurement_id"].notna()].merge(lvef, on="measurement_id")
s = s.dropna(subset=["lvef"])
# 每 study 取首个 DICOM 文件
first = rec.groupby("study_id")["dicom_filepath"].first()
s = s.merge(first, on="study_id")

def load_frame(path, size=224):
    ds = pydicom.dcmread(path)
    a = ds.pixel_array.astype(np.float32)
    if str(ds.PhotometricInterpretation) == "YBR_FULL_422":
        a = pydicom.pixel_data_handlers.util.convert_color_space(
            a, ds.PhotometricInterpretation, "RGB")
    a = a - a.min()
    a = a / (a.max() + 1e-6) * 255.0
    img = Image.fromarray(a.astype(np.uint8)).convert("RGB").resize((size, size))
    return np.asarray(img, dtype=np.float32) / 255.0

class EchoLVEF(Dataset):
    def __init__(self, df, root):
        self.df, self.root = df.reset_index(drop=True), root
    def __len__(self): return len(self.df)
    def __getitem__(self, i):
        r = self.df.iloc[i]
        x = load_frame(f"{self.root}/files/{r['dicom_filepath']}")
        x = torch.from_numpy(x).permute(2, 0, 1)          # CHW
        y = torch.tensor([r["lvef"] / 100.0], dtype=torch.float32)  # 归一化
        return x, y

# ---- 患者级分组划分 ----
gss = GroupShuffleSplit(n_splits=1, test_size=0.2, random_state=42)
tr, te = next(gss.split(s, groups=s["subject_id"]))
train_ds = EchoLVEF(s.iloc[tr], data_root)
test_ds  = EchoLVEF(s.iloc[te], data_root)
train_ld = DataLoader(train_ds, batch_size=32, shuffle=True,  num_workers=4)
test_ld  = DataLoader(test_ds,  batch_size=32, shuffle=False, num_workers=4)

# ---- 冒烟测试 ----
xb, yb = next(iter(train_ld))
print(xb.shape, yb.shape)   # 期望 [32,3,224,224] [32,1]

§6.5 坑点 8 个

⚠️ 坑点 1：把影像子集与测量子集当成同一个集合（分类：口径陷阱）

问题：DICOM 影像只覆盖 4,572 名患者 / 2017–2019，而结构化测量覆盖 91,372 名患者 / 2008–2022。影像患者是测量患者的严格子集。很多研究者看到「91,372 患者」便把它当作影像研究的患者数，分母直接错一个数量级。
症状：论文写「在 9 万名患者的超声影像上……」实为不可能；跨子集研究者按 subject_id inner join 后发现患者数骤降到约 4,572 而误以为关联键写错。
解决：

简单方法：任何影像任务一律以 echo-record-list.csv 去重后的 4,572 名患者为分母。

进阶方法：显式区分三类分母——测量研究（91,372）、影像研究（4,572）、影像+测量交集（≈4,572 内可对齐者）；论文中分别声明。

SOTA 方法：把「有影像 / 仅有测量」作为数据可得性掩码特征，做半监督或多任务建模，把选择过程显式化。
参考：PhysioNet v1.0.1 详情页（524,137 文件 / 7,228 检查 / 4,572 患者）。

⚠️ 坑点 2：按检查/文件随机切分造成患者级泄漏（分类：数据泄漏）

问题：平均每患者约 2.26 次检查，同一患者多次超声高度相关；同一检查的多个 DICOM 视图帧同源。按 measurement_id / study_id / 文件随机切分会使同一患者跨 train/test。
症状：测试指标异常漂亮；按 subject_id 去重后重评明显回落；不同随机种子方差极小（模型在「记住患者」）。
解决：

简单方法：GroupShuffleSplit(groups=subject_id) 或 GroupKFold（见 §6.4）。

进阶方法：患者级分组 + 同 study 的所有帧不得跨侧；按患者内首检时间做时序分层。

SOTA 方法：同时报告记录级与患者级两套指标自证无泄漏；与官方隐藏测试集的划分语义对齐。
参考：§5.3；MIMIC 系列通用的患者级分组协议。

⚠️ 坑点 3：超声测量不是「纯自动输出」，混入操作者决策（分类：标签理解）

问题：官方明确测量是「临床医师直接测量」或「医师引导描迹 + 算法计算」并经医师复核修正。因此测量值携带操作者间变异，且不同测量项的自动化程度不同。
症状：把测量当无噪声 ground truth 做回归，残差系统性偏大且集中在某类测量；同一患者在相近时间的两次检查测量值波动超出生物学合理范围。
解决：

简单方法：明确声明测量为「算法辅助 + 医师核验」的结果，评估结论限定在该语义内。

进阶方法：对重复检查的患者估计测量内变异，作为标签噪声上界；对高变异测量项降权或做稳健损失。

SOTA 方法：把「同一患者多次检查」当作天然的一致性约束，做多实例/对比学习。
参考：PhysioNet 官方「Structured Echocardiographic Measurements」段落原文。

⚠️ 坑点 4：DICOM 影像与测量的时间关联不是逐一语义确认（分类：工程陷阱）

问题：echo-study-list.csv 提供 study 与 measurement/note 的时间关联（官方称约 99% 文件可在 2 日内对齐），但这是时间对齐，非人工逐一确认「这张图和这条测量同属一次检查」。
症状：极少数检查的影像与测量在临床上对不上（如同一患者短时间多次检查被错配）；直接用关联表做监督会引入错配噪声。
解决：

简单方法：以关联表为准做初筛，抽样人工核对若干检查的影像与测量一致性。

进阶方法：结合 measurement_datetime 与 acquisition_datetime 的差值做严格窗口过滤（如收紧到同日/数小时）。

SOTA 方法：用测量值反推影像的合理性（如 LVEF 与心腔尺寸的物理一致性），自动检出可疑错配。
参考：PhysioNet 详情页（echo-study-list 字段与时间关联说明）。

⚠️ 坑点 5：长表的「缺失」是整行不存在，按宽表思维统计会错（分类：工程陷阱）

问题：structured_measurement.csv 是长表（每行一个测量），某测量项缺失意味着「这一行不存在」，而非单元格为空。不同 test_type 的测量项集合本就不同。
症状：df.isna().mean() 得到近乎为零的缺失率（因为没测量就没有行）；跨 test_type 汇总缺失率时严重失真。
解决：

简单方法：先按 test_type 分层，再对「每个检查应有哪些测量项」构造期望集合，缺失 = 期望有但实际无。

进阶方法：把测量可得性本身建成特征（测不到 = 临床信号），并保留 test_type 作为分层变量。

SOTA 方法：用缺失掩码（mask）与数值联合建模（类似 SAITS / 掩码自编码），而非简单插补。
参考：§4.5。

⚠️ 坑点 6：绝对时间戳无临床意义，只有患者内相对时序有效（分类：工程陷阱）

问题：所有日期按 MIMIC-IV 方案整体偏移，绝对时间无意义；但同一患者内的相对顺序保留。此外，超声检查可能发生在 MIMIC-IV 的 ICU/ED 就诊之外，时间戳可早于或晚于某次就诊。
症状：按绝对年份做「时代漂移」或「季节性」分析无意义；直接把超声时间与就诊时间比较会得出错误先后关系。
解决：

简单方法：与 MIMIC-IV 就诊表对齐时，按同一偏移体系内的差值关联，不解释绝对年份。

进阶方法：用患者内相对时间（偏移后差值仍有效）做纵向建模；保留「无对应就诊」指示特征。

SOTA 方法：以偏移后日历桶做时间漂移监控（§7.6），部署后以实时数据重演同款分桶。
参考：MIMIC-IV 去标识化方案说明。

⚠️ 坑点 7：凭证化访问的三重合规暗礁（分类：合规陷阱）

问题：① 必须完成 CITI 培训并提交 Completion Report；② PhysioNet 认证 + 逐模块签 DUA 1.5.0；③ 页面存在区域政策限制提示，部分地区可能无法访问。
症状：直接下载报权限错误；以为拿了账号就能下载；学生个人申请被拒（缺导师推荐）。
解决：

简单方法：严格按官方 FAQ 流程走，先做 CITI 再认证再签 DUA，逐模块申请。

进阶方法：机构统一申请（IRB + 数据管理计划），把 DUA 与 MIMIC-IV 其他模块的 DUA 一并办理。

SOTA 方法：使用 PhysioNet 官方云计算环境（受限数据不出境），规避本地存储合规风险。
参考：mimic.mit.edu 获取流程 FAQ。

⚠️ 坑点 8：隐藏测试集让任何本地「全量」声明都不成立（分类：口径陷阱）

问题：官方患者级扣留了隐藏测试集（测量 769 检查 / 437 患者；DICOM 358 检查 / 232 患者）。任何本地下载都不含这批数据。
症状：论文声明「在完整 MIMIC-IV-ECHO 上评测」实为不可能；与官方未来 challenge 的结果不可比。
解决：

简单方法：以官方公布的总数为口径（206,488 / 524,137），明确声明本地数据排除了隐藏集。

进阶方法：复现公开结果时锁定版本 + SHA256 校验，并报告隐藏集约束。

SOTA 方法：关注官方未来 challenge 的划分协议，避免自建划分与官方口径冲突。
参考：PhysioNet 官方隐藏测试集说明。

§6.6 数据增强

增强	安全性	说明
亮度/对比度扰动	✅	对抗不同设备/增益
小幅平移/缩放	✅	模拟探头位置差异
高斯噪声 / 斑点噪声	✅	模拟超声固有噪声
时间/帧采样抖动	✅	视频级任务可采不同帧
水平翻转	⚠️	需确认不改变解剖左右语义（超声切面有方向性，谨慎）
大角度旋转	❌	破坏标准切面语义
跨患者图像混合	❌	产生临床上不存在的结构

§6.7 模型推荐表

模型	类型	适用任务	备注
ResNet / EfficientNet	监督 CNN	LVEF 回归、结构病分类	单帧/关键帧基线
3D CNN / (2+1)D	监督视频	心动周期建模	用序列而非单帧
VideoMAE / TimeSformer	自监督/监督视频	超声视频表征	需大显存
EchoNet 系列基线	专用超声模型	分割/分类	官方基线可迁移
ViT + 测量头	监督 Transformer	影像→多测量多任务	多任务共享骨干
MedCLIP 式跨模态	多模态	影像-测量/报告对齐	当 Note 报告到位后

§6.8 硬件需求表

场景	显存	硬件建议	说明
单帧分类/回归基线	≥12 GB	1×RTX 4090	batch 32，224²
超声视频建模	≥24 GB	1×A100/H100	序列输入显存占用高
全量预训练	≥80 GB	4-8×A100	数天-数周
存储/内存	—	数百 GB 磁盘；≥64 GB RAM	DICOM 全量 + 长表加载

§6.9 评估指标代码

# 回归（LVEF）与分类（结构病）指标
import numpy as np
from sklearn.metrics import mean_absolute_error, r2_score, roc_auc_score

def reg_metrics(y_true, y_pred):
    return {"MAE": mean_absolute_error(y_true, y_pred),
            "R2": r2_score(y_true, y_pred)}

def cls_metrics(y_true, y_prob):
    if len(np.unique(y_true)) < 2:
        return {"auroc": float("nan")}
    return {"auroc": roc_auc_score(y_true, y_prob)}

§6.10 MLOps 笔记

版本锁定：记录 v1.0.1 + SHA256，防数据集静默更新。
数据血缘：保存「DICOM 文件 → study_id → measurement_id → subject_id → MIMIC-IV 表」的完整关联链。
监控：以设备（GE 型号）、test_type、年代分桶监控性能漂移。
合规：受限数据不得出境，使用官方云计算环境或合规本地存储；模型发布前做 PHI 二次检查。

§6.11 常见工程问题排查表

症状	可能原因	排查/解决
下载报权限错误	未完成凭证化/DUA	按 §6.2 流程补齐 CITI + 认证 + DUA
患者数远少于预期	把影像子集当测量子集	核对 echo-record-list 去重患者数（4,572）
测试指标异常漂亮	患者级泄漏	改用 GroupShuffleSplit(groups=subject_id)
缺失率近乎为零	长表缺失是整行不存在	按 test_type 分层构造期望测量集合
图像颜色错乱	超声为 YBR_FULL_422	用 convert_color_space 转 RGB
时间分析结果诡异	绝对时间戳已偏移	只用患者内相对时序
DICOM 读取报像素错误	压缩格式需额外 handler	装 gdcm/pylibjpeg，或改用 pydicom 兼容后端
与 MIMIC-IV join 后行数骤减	部分超声就诊不匹配	显式保留「无就诊」指示，勿硬 inner join

§6.12 复现检查清单（Cheat Sheet）

[ ] 版本 = v1.0.1，DOI = 10.13026/307c-mr50，SHA256 已记录
[ ] 数据获取合规：CITI 培训完成报告 + PhysioNet 认证 + DUA 1.5.0
[ ] 三张 CSV 已加载；structured_measurement 行数、去重 measurement_id 数已核对
[ ] 影像患者数（4,572）与测量患者数（91,372）已在报告中区分
[ ] 标签语义（测量阈值 / ICD 映射）已显式声明
[ ] 所有 train/test 切分以 subject_id 为分组键
[ ] 同一 study 的所有 DICOM 帧不跨 train/test
[ ] 报告了记录级与患者级两套指标
[ ] DICOM 像素格式（YBR_FULL_422→RGB）已正确处理
[ ] 长表缺失按 test_type 分层统计
[ ] 已注明隐藏测试集约束（本地数据非全量）

§7 质量评估与局限性

§7.1 已知偏倚表

偏倚类型	具体表现	影响
单中心	全部来自 BIDMC	人群、疾病谱、设备不具全球代表性
医院来源	受检者多有临床指征	偏向有症状/急重症人群
设备异质	GE Vivid E90/E95/S7（有限机型）	跨品牌泛化受限
时间窗口错位	影像 2017–2019 vs 测量 2008–2022	影像研究的时间代表性窄
子集不对齐	影像患者 ⊂ 测量患者	分母易混用
测量操作者变异	算法辅助 + 医师核验	标签噪声
区域可及性	页面显示区域政策限制	部分研究者无法获取

§7.2 标注质量

测量由临床流程产生并经医师复核，质量较高，但非专门标注项目，无一致性 kappa 类指标。
无官方诊断标签，任何分类基准的标签语义由研究者定义 → 可比性受限。
医师自由文本报告暂缺，无法与测量做文本-数值互证。

§7.3 泛化性评估表

评估维度	预期泛化性	说明
同中心相近年代	高	同设备同流程
跨年代（早/晚）	中	临床规范与设备演变
跨机构	低-中	单中心 + 单品牌限制
跨模态（图像→测量）	中	需大量对齐样本
跨设备品牌	低	仅 GE Vivid 系列

增补说明：「跨机构泛化」是本数据集最需警惕的维度。超声成像高度依赖设备、探头与操作者，单中心单品牌的数据在外部机构上的性能衰减可能远大于同模态的 CT/MRI 数据集。任何部署前的外部验证都应至少覆盖一家不同设备品牌的机构。此外，儿科人群（EchoNet-Pediatric 覆盖）在本数据集中的代表性未知——本数据集患者以成人 ICU/ED 为主，儿科外推需格外谨慎。

§7.4 伦理与合规

经 BIDMC 与 MIT 机构审查委员会（IRB）批准，豁免个人知情同意。
全部受保护健康信息（PHI）按 HIPAA Safe Harbor 去标识化。
因 PHI 检出（6 名患者 69 个 DICOM 文件经 OCR 发现嵌入文本）而整检查剔除——这是合规优先的体现。
使用须完成 CITI 培训 + 认证 + 签 DUA，且受限数据不得随意出境。

§7.5 公平性

单中心数据集难以评估跨人群公平性（种族、性别、年龄均衡性取决于 BIDMC 人群结构）。
影像子集患者数（4,572）远小于测量子集，若按影像子集分析亚群体，样本量可能不足。
建议：报告性能时按性别、年龄组分层，并注明单中心局限。

§7.6 数据漂移

测量跨度 2008–2022（14 年），跨越多代设备与临床规范，存在年代漂移。
影像跨度仅 2017–2019（3 年），漂移相对小，但与测量的时间窗口不一致。
监控建议：以偏移后日历桶 + 设备型号分桶监控下游模型性能。

§7.7 DAIMS 24 项评估

#	检查项	状态	说明
1	宽格式	⚠️	测量为长表（每行一个测量），需自行 pivot 成宽表
2	唯一标识	✅	subject_id / study_id / measurement_id 三级，跨 MIMIC-IV 可 join
3	特殊字符	⚠️	DICOM 路径含多级编号目录；测量描述为自由文本标签
4	重复行	⚠️	约 0.01% 检查原有重复测量记录，官方已保留最全一条
5	缺失编码	⚠️	长表缺失 = 整行不存在；不同 test_type 测量项集合不同
6	标签标识	⚠️	无官方分类标签列，需从测量阈值或关联 ICD 构造
7	罕见类分组	⚠️	测量项众多（每次 180–230），长尾测量项需归并
8	偏倚评估	✅	官方明示单中心、时间窗口、随机化入组等信息
9	数据字典	⚠️	字段名清晰，但 180–230 测量项的完整字典需凭证后查看
10	信息性缺失解释	⚠️	TTE/TEE/stress 结构性差异真实存在，官方未逐一解释
11	设备记录	✅	影像设备（GE Vivid E90/E95/S7）与年代明确
12	共线性	⚠️	心腔尺寸/容积类测量高度相关，需特征选择
13	编码映射	⚠️	无官方 SNOMED/ICD 映射表（本 Wiki §2 提供映射起点）
14	时间戳处理	✅	日期整体偏移，患者内相对时序保留（官方明示）
15	划分建议	⚠️	官方无公开划分，仅患者级隐藏测试集
16	泄漏讨论	❌	官方未系统讨论患者重复导致的泄漏（本 Wiki §5.3/坑点 2 补充）
17	标签分布	❌	无分类标签，故无标签分布
18	测量偏倚	⚠️	操作者间变异未量化
19	外部验证建议	⚠️	可对 EchoNet 系列做外部验证，但官方未提供参考结果
20	版本记录	✅	三个版本全带日期与变更说明（v1.0.1 有明确 Release Notes）
21	预处理脚本	⚠️	pydicom 生态可用，但官方无专门预处理脚本
22	合规要求	✅	Credentialed License 1.5.0 + DUA 1.5.0 条款清晰
23	多模态对齐	✅	与 MIMIC-IV 经 subject_id 严格对齐；echo-study-list 提供三向关联
24	去标识化	✅	HIPAA Safe Harbor + MRN 位移 + 日期偏移 + UID 位移 + OCR 筛 PHI

DAIMS 评分：15.0 / 24（✅ 8 项 × 1.0 + ⚠️ 14 项 × 0.5 + ❌ 2 项 × 0 = 15.0）

评分解读：标识体系、合规、去标识化、设备记录、多模态对齐等基础设施维度表现优秀，体现 MIMIC 系列的数据治理传统。失分集中在「标签与宽表语义层」——长表结构、无官方标签、无划分、无泄漏讨论，意味着从「拿到数据」到「可训练监督模型」之间需研究者自行完成大量工程。

对你意味着什么：① 做影像-测量回归/预训练，数据基本可用但需自行处理长表 pivot 与患者级划分；② 做分类任务预算 1-2 周构造标签（测量阈值或 ICD）并公开标签定义；③ 任何使用请先完成凭证与 DUA；④ 牢记 4,572（影像）≠ 91,372（测量）两个分母。

§7.8 外部验证矩阵

外部数据集/场景	相对本数据集	评估任务	说明
EchoNet-Dynamic	同模态（超声视频）	LVEF 分割/回归	跨机构泛化测试
EchoNet-LVH	同模态	左室肥厚分类	跨机构泛化
EchoNet-Pediatric	儿科超声	儿科心功能	人群外推
EchoRisk	纵向超声+心脏毒性	毒性预测	队列外推
EchoNext	ECG→结构病	跨模态筛查	ECG 输入，超声标签
MIMIC-IV-ECG	同院心电	多模态联合	同院同人群

本数据集为新发布（v1.0.1，2026-08），社区外部验证结果尚未积累；表中为可用的外部验证设计建议，非已报告的数值。

§7.9 局限性总结与使用红线

把本数据集的局限凝练成三条「使用红线」，供研究者在选题阶段就规避：

不能当「全人群超声库」：单中心、临床指征驱动、ICU/ED 底色的队列，不能代表社区人群。任何「在 MIMIC-IV-ECHO 上训练 → 直接用于社区筛查」的声明都需外部验证支撑。
不能把影像与测量混为一个分母：4,572 与 91,372 是两套人群，且时间窗口不同。混淆会直接导致样本量声明错误。
不能假设有现成标签：无官方诊断标签、无官方划分，所有监督任务的语义与切分都必须自行定义并公开。

反过来，本数据集的强项也清晰：规模化的结构化测量 + 全院 EHR 关联 + 严格去标识化合规。把它用在「需要病历上下文的超声研究」上，其价值远高于把它当作又一个纯影像数据集。

§8 基准性能与生态

§8.1 排行榜

截至抓取时点（2026-10），MIMIC-IV-ECHO 作为 v1.0.1 新发布模块，尚无公认的社区排行榜或统一评测基准。任何引用本数据集性能的论文需自行定义任务、标签与划分协议。

§8.2 SOTA 总结与选型建议

在缺乏官方基准的阶段，选型建议以任务为中心：

心功能回归（LVEF 等）：优先从小规模、自包含的 EchoNet 系列基线起步（社区成熟、预训练权重可得），再迁移到本数据集做规模扩展与 EHR 关联。
结构病分类：标签语义是最大变量——建议采用「测量阈值派生」而非「ICD 映射」作为主标签（更可控、可复现），并把 ICD 映射作为次要验证。
多模态：本数据集的核心差异化是 EHR 关联，建议直接做「超声 + 心电 + 化验 + 用药」的多模态结局预测，而非纯影像任务。

从 2026 年心血管影像 AI 的文献轨迹看，三个趋势与本数据集高度相关：

其一，超声由「单任务」走向「基础模型」。早期工作（EchoNet-Dynamic、EchoNet-LVH）各自解决一个临床问题；近期方向转向在超声视频大规模自监督预训练，再微调到多个下游任务。MIMIC-IV-ECHO 的规模（52 万 DICOM、7,228 检查）为预训练提供了可观的素材，但其影像子集规模小于 EchoNet 系列专门采集的视频库，因此更可能作为「联合预训练语料」之一，而非唯一预训练源。

其二，「心电筛查 → 超声确诊」范式兴起。EchoNext 等工作用 ECG 波形筛查结构性心脏病，以超声确诊为标签。MIMIC-IV-ECHO 与同院的 MIMIC-IV-ECG 恰好构成这一范式的自然数据源——同一批患者既有心电又有超声，可做同院内的跨模态配对研究，避免跨机构配对的域偏移。

其三，多模态 EHR 关联成为差异化优势。随着纯影像任务的性能趋于饱和，「影像 + 纵向病历」的建模价值凸显。MIMIC-IV-ECHO 的血统（MIMIC-IV 家族）使其天然具备这条链路，这也是它相对 Stanford EchoNet 系列最重要的战略差异。

§8.3 评测协议

划分：患者级（subject_id）分组；若做外部验证，注明外部集与内部集的患者是否重叠。
指标：回归报 MAE / R²；分类报 AUROC + AUPRC（长尾类看 AUPRC）+ 95% CI（bootstrap）。
标签：显式声明标签源（测量阈值 / ICD 映射）与阈值定义。
消融必查：有无患者级分组、是否含影像子集 vs 测量子集、不同 test_type 分层三组对照。
统计：5 随机种子均值 ± 标准差 + bootstrap CI。

数据集	机构	与本数据集关系	千方条目
EchoNet-Dynamic	斯坦福	同模态超声视频，心功能任务	echonet-dynamic/0
EchoNet-LVH	斯坦福	同模态，左室肥厚	echonet-lvh/0
EchoNet-Pediatric	斯坦福	儿科超声	echonet-pediatric/0
EchoRisk	多中心	纵向超声+心脏毒性	echorisk/0
EchoNext	多中心	ECG→结构病	echonext/0
MIMIC-IV-ECG	MIT LCP / BIDMC	同院心电兄弟模块	mimic-iv-ecg/0
MIMIC-IV-ED	MIT LCP / BIDMC	同院急诊模块	mimic-iv-ed/0
MIMIC-IV-Note	MIT LCP / BIDMC	超声医生报告去处	mimic-iv-note/0
MIMIC-CXR	MIT LCP / BIDMC	同院胸片模态	mimic-cxr/0
MIMIC-IV（主库）	MIT LCP / BIDMC	上游 EHR 主条目	mimic-iv-clinical-database/0
PTB-XL	PTB 柏林	心电迁移对照	ptb-xl/0

§8.5 关键论文 Top 6

Gow, B., Pollard, T., Greenbaum, N., Moody, B., Han, A., Waks, J. W., Johnson, A., Herbst, E., Eslami, P., Chaudhari, A., Carbonati, T., Berkowitz, S., Mark, R., & Horng, S. (2026). MIMIC-IV-Echo: Echocardiogram Matched Subset (version 1.0.1). PhysioNet. DOI 10.13026/307c-mr50 — 数据集本体：52 万 DICOM + 20.6 万检查测量，与 MIMIC-IV 患者级匹配。
Johnson, A. E. W., Bulgarelli, L., Shen, L., et al. (2023). MIMIC-IV, a freely accessible healthcare database. Scientific Data, 10, 1. DOI 10.1038/s41597-022-01899-x — 上游 EHR 数据库论文，多模态关联的方法学基础。
Ouyang, D., He, B., Ghorbani, A., et al. (2020). Video-based AI for beat-to-beat assessment of cardiac function. Nature, 580, 252-256. DOI 10.1038/s41586-020-2145-8 — EchoNet-Dynamic：超声视频心功能评估的开创性工作。
Duffy, G., Cheng, P. P., Yuan, N., et al. (2022). High-Throughput Precision Phenotyping of Left Ventricular Hypertrophy With Cardiovascular Deep Learning. JAMA Cardiology, 7(4), 386-395. DOI 10.1001/jamacardio.2021.6059 — EchoNet-LVH：超声表型精准分型。
Waks, J. W., et al. — MIMIC-IV-ECG / 同院心电-超声关联相关研究（多模态方向的方法学参考，详见 mimic-iv-ecg 条目）。
Pollard, T., et al. (2026). PhysioNet platform. Nature Health. DOI 10.1038/s44360-026-00096-z — PhysioNet 平台本身的标准引用。

§8.6 社区活跃度

模块 v1.0.1 于 2026-08-25 发布，社区引用与基准尚在积累。
上游 MIMIC-IV 生态活跃（GitHub 上有大量 MIMIC 数据处理工具），本模块可复用其加载与关联范式。
关注点：官方 MIMIC-IV-Note 模块何时纳入超声医生报告——这将是本数据集多模态价值跃升的关键节点。

§8.7 生态快照表

维度	现状
官方基准	无
社区排行榜	无
预处理工具	pydicom / PhysioNet 生态（无官方专用脚本）
云镜像	BigQuery physionet-data.mimiciv_echo
关联模块	MIMIC-IV Hosp/ICU/ECG/Note/CXR/Waveform
同业数据集	EchoNet 系列、EchoRisk、EchoNext

§9 相关资源与引用

§9.1 官方资源

资源	链接
PhysioNet 项目页	https://physionet.org/content/mimic-iv-echo/
PhysioNet v1.0.1 详情页	https://physionet.org/content/mimic-iv-echo/1.0.1/
DOI（v1.0.1）	https://doi.org/10.13026/307c-mr50
DOI（最新版）	https://doi.org/10.13026/agyq-zp57
MIMIC-IV 主站	https://mimic.mit.edu/
获取流程 FAQ	https://mimic.mit.edu/docs/faq/how-to-get-access
BigQuery 镜像	physionet-data.mimiciv_echo

§9.2 BibTeX 完整引用

@article{PhysioNet-mimic-iv-echo-1.0.1,
  author = {Gow, Brian and Pollard, Tom and Greenbaum, Nathaniel and Moody, Benjamin
            and Han, Ahram and Waks, Jonathan W and Johnson, Alistair and Herbst, Elizabeth
            and Eslami, Parastou and Chaudhari, Ashish and Carbonati, Tanner and Berkowitz, Seth
            and Mark, Roger and Horng, Steven},
  title = {{MIMIC-IV-Echo: Echocardiogram Matched Subset}},
  journal = {{PhysioNet}},
  year = {2026},
  month = aug,
  note = {Version 1.0.1},
  doi = {10.13026/307c-mr50},
  url = {https://doi.org/10.13026/307c-mr50}
}

@article{pollard2026physionet,
  author = {Pollard, Tom and others},
  title = {{PhysioNet}: a platform for open biomedical data},
  journal = {Nature Health},
  year = {2026},
  doi = {10.1038/s44360-026-00096-z}
}

§9.3 引用指南

引用本数据集时请同时引用：① 数据集本体（Gow et al., 2026, DOI 10.13026/307c-mr50）；② PhysioNet 平台论文。若使用 MIMIC-IV 关联数据，还需引用 MIMIC-IV 数据库论文（Johnson et al., 2023）及对应模块论文。

§9.4 学习路径建议

入门：读官方项目页 → 完成三张 CSV 的加载与统计（§6.1）→ 理解长表结构。
进阶：载入单张 DICOM，理解超声图像与像素格式（§6.3）→ 构建影像-测量对齐表。
实战：用患者级分组做 LVEF 回归（§6.4）→ 报告患者级 vs 记录级指标对比。
扩展：关联 MIMIC-IV 病历做多模态结局预测 → 与 EchoNet 系列做外部验证。

§9.5 交付前自检清单

[ ] 明确当前使用版本（v1.0.1）与 SHA256
[ ] 分清 4,572（影像患者）与 91,372（测量患者）两个分母
[ ] 所有切分使用 subject_id 分组
[ ] 已声明标签语义（测量阈值 / ICD 映射）
[ ] 已处理长表 pivot 与 test_type 分层缺失
[ ] 已核对 DICOM 与测量的时间关联
[ ] 已完成凭证、CITI 培训与 DUA 流程
[ ] 受限数据未违规出境

§10 AI 使用声明卡

§10.1 AI 模型列表

写作辅助模型：CodeBuddy Code（fast-model）。
用途：文献核验、结构起草、一致性检查。

§10.2 AI 参与范围

参与：章节结构、行文组织、代码示例骨架、跨源数字对比整理。
不参与：规模数字的最终裁定（以 PhysioNet 官方页为准）、医学编码映射的临床裁决。

§10.3 输入来源列表

PhysioNet 项目页与 v1.0.1 详情页（一手）。
PhysioNet Resources 列表页（凭证化分类，一手）。
DOI 元数据（一手）。

§10.4 人工校验记录

[千方病案医学编辑部] 于 2026-10-16 校验：§2 医学编码映射、§7 偏倚与公平性、§9 引用完整性。
数字核对：206,488 / 179,928 / 16,389 / 10,171 / 91,372 / 524,137 / 7,228 / 4,572 与官方三源一致。

§10.5 AI 生成章节标注

AI 参与起草并人工审校：§1–§9 行文；§10 由编辑部确认。
所有一手数字均标注来源 URL，未作推测填充。

§10.6 最后人工审核日期

2026-10-16

附录 A：术语中英对照

中文	英文	说明
超声心动图	Echocardiography	心脏超声
经胸超声心动图	Transthoracic Echocardiography (TTE)	探头置胸壁
经食管超声心动图	Transesophageal Echocardiography (TEE)	探头经食管
负荷超声心动图	Stress Echocardiography	运动/药物负荷
左心室射血分数	Left Ventricular Ejection Fraction (LVEF)	心功能核心指标
结构化测量	Structured Measurement	定量测量记录
去标识化	Deidentification	隐私处理
凭证化访问	Credentialed Access	需认证与 DUA

附录 B：关键结论速记

MIMIC-IV-ECHO = 52 万 DICOM 影像 + 20.6 万检查测量，挂 MIMIC-IV 全院 EHR。
两个分母：4,572（影像患者）≠ 91,372（测量患者）。
凭证化访问 + CITI 培训 + DUA 1.5.0，且有区域政策限制。
版本：0.1(2023) → 1.0(2026-03) → 1.0.1(2026-08-25)；brief 所称「2024 发布」证伪。
无官方标签、无公开划分；患者级分组切分是硬约束。
超声报告待 MIMIC-IV-Note 模块发布——多模态价值的关键增量。