信息速览
INFOBOX
| 属性 | 内容 |
|---|---|
| 名称 | MIMIC-IV Waveform Database（v0.1.0） |
| 维护方 | MIT Laboratory for Computational Physiology / PhysioNet |
| 发布 | 2022-07-10（v0.1.0 技术预览版） |
| 定位 | MIMIC-IV 模块族的波形模块——新一代 ICU 波形架构的技术预览 |
| 规模 | 200 records / 198 patients / 12.8 GB（未压缩） |
| 路线图 | 官方预告 v1.0.0 将含约 10,000 记录 |
| 采样率 | 多采样率：ECG 250 Hz / PPG·ABP 125 Hz / Resp 62.5 Hz；numerics 不规则 |
| 压缩 | 信号 FLAC（-8 -r8 -e）；numerics dictzip CSV |
| 时间语义 | counter ticks（1/999.52 s）+ header base_datetime（代理） |
| 关键改进 | 代理日期偏移与 MIMIC-IV 共享（波形-临床直接可比） |
| 互链键 | subject_id + hadm_id（MIMIC-IV 全模块族通用） |
| 许可 | ODbL v1.0（开放下载） |
| 合规 | BIDMC + MIT IRB 批准，豁免个人知情同意 |
| DOI | v0.1.0 = 10.13026/a2mw-f949（latest 概念 10.13026/6269-ws81） |
| 主引文 | Moody 2022（波形）；Johnson 2022（MIMIC-IV v2.0） |
| 平台 | PhysioNet |
一句话定位：MIMIC-IV 模块族的波形模块，以 v0.1.0 技术预览版（200 记录/198 患者/12.8 GB）先行发布——它是三代 MIMIC 波形库中架构最先进、体量最小的一个；读它是为读懂 MIMIC 波形生态的未来，而不是替代当下的训练主力（486/487）。
§0 E-E-A-T 信任声明与免责声明
经验（Experience）：本文基于 PhysioNet 官方页面（v0.1.0）、wfdb.io 官方教程（formatting/structure）、mimic.mit.edu 模块文档与 TransfoRhythm 应用论文撰写；多采样率、counter ticks、FLAC 压缩等工程语义按官方原文口径译写。
专业性（Expertise）：预览版定位（200 记录≠大样本）、与 MIMIC-III 波形家族的格式断裂（numerics CSV/FLAC/多采样率）、共享 date shift 的对齐含义——三大易错语义全部显式披露；全部数字标注口径。
权威性（Authoritativeness）：MIMIC 家族是重症医学 AI 的事实标准数据底座；MIMIC-IV 是官方推荐的新项目起点（mimic.mit.edu 明示）；本文为第三方解读，不替代官方文档与 LICENSE。
可信度：文内数字进入文末「口径存照」；"200 records/198 patients"与"约 10,000 记录（预告）"两口径已显式区分；v0.1.0 与 latest DOI 并列存照。
免责：本文为学术性数据资源解读，不构成医疗建议；再识别风险与伦理合规见 §8。
§1 数据集概览
§1.0 📌 30 秒速览
- 是什么：MIMIC-IV 模块族的波形模块——BIDMC ICU 床旁监护仪的高分辨率波形+数值，与 MIMIC-IV 临床库经 subject_id/hadm_id 直接互链；
- 规模：v0.1.0 技术预览版 = 200 记录 / 198 患者 / 12.8 GB（官方预告 v1.0.0 约 10,000 记录）；
- 多采样率：ECG 250 Hz / PPG·ABP 125 Hz / Resp 62.5 Hz——比 MIMIC-III 波形库的统一 125 Hz 更高保真；
- 格式升级：信号 FLAC 压缩、numerics 改 gzip CSV（列跨患者不同）、时间用 counter ticks；
- 对齐改进：代理日期偏移与 MIMIC-IV 共享同一偏移量——波形-临床时间直接可比（MIMIC-III 家族做不到）；
- 许可：ODbL v1.0 开放下载；
- 最大坑：把它当大样本库用——200 记录是技术预览体量，功效声明必须先算后训。
§1.1 摘要
MIMIC-IV Waveform Database 是 MIMIC-IV 模块化战略的信号侧落子：mimic.mit.edu 把 MIMIC-IV 拆成 Hosp/ICU/ED/CXR/Note/ECG/Waveform 等模块，经 subject_id+hadm_id 统一互链——波形模块于 2022 年 7 月以 v0.1.0 技术预览版上线（200 记录/198 患者/12.8 GB），为预告中约 10,000 记录的 v1.0.0 探路。它与 MIMIC-III Waveform Database（67,830 组）不是简单的"新版本"，而是一次架构重设计：多采样率体系（ECG 提升到 250 Hz、呼吸 62.5 Hz 按信号物理特性分别定率）、信号 FLAC 无损压缩、numerics 从 WFDB 改为 gzip CSV（承认其"不规则采样表"的本质）、时间戳改用 counter ticks（毫秒粒度）。最关键的方法学改进是代理日期偏移与 MIMIC-IV 临床库共享——MIMIC-III 家族里波形侧与临床侧偏移不同、需要还原层才能对齐（见 487 号条目 §4.6），MIMIC-IV 家族直接可比，多模态研究的前置工程被砍掉一大块。对 AI 研究者：今天用 v0.1.0 做方法学原型与流水线校准，等 v1.0 放量后无缝切换——这是官方"technical preview"语义的正确打开方式。
§1.2 战略价值
- 架构风向标：MIMIC-IV 波形模块定义了下一代 ICU 波形库的工程标准（多采样率/FLAC/CSV numerics/共享偏移）——提前适配即提前锁定迁移红利；
- 对齐即插即用：与 MIMIC-IV 共享偏移意味着 subject_id 关联后时间轴直接可用——多模态产线少一个还原层、少一类错误源；
- 模块族入口：波形经 hadm_id 挂接 MIMIC-IV 全族（Hosp 化验/ICU 护理/ED 急诊/CXR 影像/Note 文本/ECG 心电图）——跨模态组合空间是 MIMIC-III 时代不可比的；
- 技术预览的先手价值：200 记录足够校准流水线、验证解析代码、试跑端到端训练——v1.0 放量时团队已就位；
- 官方教程齐备：IEEE EMBC 2022 workshop 可执行笔记本（Peter Charlton 领讲）+ wfdb.io 教程站——入门曲线被官方铺平。
§1.3 同类数据集横向对比
| 维度 | MIMIC-IV Waveform v0.1.0 | MIMIC-III Waveform v1.0 | MIMIC-III Matched | VitalDB |
|---|---|---|---|---|
| 规模 | 200 记录/198 患者（预览） | 67,830 组/30,000 患者 | 22,317 记录/10,282 患者 | 6,388 手术 |
| 体量 | 12.8 GB | 6.7 TB | 主库 1/3 量级 | 数百 GB |
| ECG 采样 | 250 Hz | 125 Hz | 125 Hz（同主库） | 500 Hz |
| numerics 格式 | gzip CSV（不规则） | WFDB 1 Hz | WFDB 1 Hz | 内置表 |
| 压缩 | FLAC+dictzip | 无（原始） | 无（同主库） | 自有格式 |
| date shift | 与 MIMIC-IV 共享 | 与临床库不同 | 与临床库不同 | —（同一系统） |
| 临床互链 | subject_id+hadm_id 直接 | 需映射（matched 才有） | subject_id+偏移还原 | 手术记录内置 |
| 版本状态 | 预览（v1.0 预告中） | 定稿 v1.0 | 定稿 v1.0 | 持续更新 |
结论：三代库不是替代关系而是分工——今天跑大规模训练用 MIMIC-III 波形（486/487），今天定架构/写产线/做方法学用 MIMIC-IV Waveform（488），v1.0 放量后迁移。
§1.4 版本时间轴
| 时间 | 事件 |
|---|---|
| 2021-03 | MIMIC-IV v1.0 临床库发布（10.13026/6269-ws81 之前的主模块节点） |
| 2022-07-06 | WFDB 工具链引用基线（WFDB Software Package 10.7.0；wfdb-python 3.4.1） |
| 2022-07-10 | MIMIC-IV Waveform v0.1.0 发布（200 记录技术预览；DOI 10.13026/a2mw-f949；parent=MIMIC-IV v2.0） |
| 2022-07 | IEEE EMBC workshop（Peter Charlton 领讲；可执行笔记本公开） |
| 2022-2024 | TransfoRhythm 等首批应用论文（PPG 独立血压估计） |
| 2026-09 | 核查时点：PhysioNet 版本列表仍为 0.1.0；v1.0.0（约 10,000 记录）官方预告中 |
§1.5 应用场景矩阵
| 场景 | 用到的部分 | 关键动作 |
|---|---|---|
| 产线架构预演 | 全库（小体量全量跑） | 解析→对齐→训练端到端校准 |
| PPG-BP 方法学迁移 | PPG+ABP 配对段 | 250 Hz ECG 语义下重验特征 |
| 多模态原型（波形+临床） | subject_id/hadm_id 互链 | 共享偏移直接对齐 |
| 高保真 ECG 分析 | 250 Hz ECG 通道 | 125 Hz 库做不了的细节（起搏脉冲/高频形态） |
| 呼吸力学 | 62.5 Hz Resp | 呼吸率/机械通气同步分析 |
| 教学入门 | EMBC 笔记本 | 官方教程零门槛起步 |
| 工具链适配测试 | FLAC/CSV 解析 | WFDB 10.7+/libFLAC 环境验证 |
§1.6 组件全景
MIMIC-IV Waveform Database（v0.1.0, 12.8 GB 未压缩）
├── waves/（100 个顶层目录 pXXX 按 subject_id 前三位）
│ └── p100/p10014354/81739927/
│ ├── 81739927.hea ← master header（base_datetime 等）
│ ├── 81739927_000N.hea ← segment header
│ ├── 81739927_000Ne.dat ← 信号（FLAC 压缩；e/r/p 后缀=类型）
│ └── 81739927n.csv.gz ← numerics（gzip CSV；列跨患者不同）
├── 工具生态
│ ├── WFDB Software Package 10.7.0+（需 libFLAC）
│ ├── wfdb-python 3.4.1+（FLAC 支持）
│ └── EMBC 2022 教程笔记本（mimic.mit.edu）
└── 互链：subject_id + hadm_id → MIMIC-IV（Hosp/ICU/ED/CXR/Note）
§1.7 命名与目录速记
waves/p100/p10014354/81739927/ ← pXXX（前三位分桶）/p100XXXXXX（患者）/8 位记录号
waves/p100/p10039708/83411188/ ← 同患者可有多记录（83411188 与 85583557）
waves/p100/p10039708/83411188n.csv.gz ← numerics = 记录号 + n
与 MIMIC-III 家族命名对照：主库按记录号分桶（30-39）、matched 按患者前两位分桶（p00-p09）+ 代理日期命名；MIMIC-IV Waveform 按患者前三位分桶（p100-p199）+ 独立 8 位记录号——三套命名体系并存，跨库脚本必须各自适配。
§1.8 访问方式速记
- 零下载起步：PhysioBank ATM 在线可视化 + EMBC 笔记本（Colab 可跑）；
- 全量下载：
wget -r -N -c -np https://physionet.org/files/mimic4wdb/0.1.0/（12.8 GB，一台笔记本装得下）或 AWS S3 镜像； - Python 读取：wfdb-python 3.4.1+（rdrecord 自动解 FLAC）+ gzip/csv 标准库读 numerics；
- 环境前置：WFDB Software Package 路线需先装 libFLAC——纯 Python 路线（wfdb-python 新版）可绕过。
§1.9 独特视角：一份"蓝图"而非一座"矿山"
MIMIC-III Waveform 是一座已开采十六年的矿山（6.7 TB、67,830 组），MIMIC-IV Waveform v0.1.0 则是一份公开的施工蓝图——200 个"样板间"展示了新架构的每个细节：多采样率怎么定、压缩怎么选、numerics 怎么改表、时间戳怎么统一、偏移怎么共享。聪明的团队用它做什么？把产线、解析器、对齐协议、训练框架全部在 12.8 GB 上调通，等 v1.0 放量当天全量切换。矿山看储量，蓝图看未来——本文的价值在于帮你把蓝图读成施工图。
§1.10 阅读路线图
| 你是 | 建议路径 |
|---|---|
| 第一次接触 ICU 波形 | §1 全部 → §2.1/§2.6 → §4.2-4.5（跑通） |
| 从 MIMIC-III 波形迁移 | §2.1/§2.3/§2.5（三大差异）→ §6.11 迁移表 → §5.2 |
| 做多模态/临床关联 | §2.3 共享偏移 → §4.6 → §5.7（DUA 后） |
| 评审多模态论文 | §6.6 清单 → §6.1 预览版功效 → §7.6 泄漏 |
| 决策是否现在入坑 | §1.3 对比 → §6.2 规模实证 → §7.2 两段式 |
§2 医学与科学背景
§2.1 多采样率体系的工程语义
MIMIC-III 波形库统一 125 Hz 是"存储效率优先"的产物；MIMIC-IV Waveform 按信号物理特性分别定率——ECG 250 Hz（心电形态学细节：起搏脉冲、ST 段高频成分、QRS 切迹需要 >200 Hz 才不失真）、PPG/ABP 125 Hz（脉搏波主要能量 <20 Hz，125 Hz 已超采样）、Resp 62.5 Hz（呼吸阻抗是慢信号，62.5 Hz 绰绰有余）。这体现了"按需分配带宽"的现代数据工程观：把比特花在信息密度高的通道上。对研究者的直接后果：跨通道分析前必须统一时间轴与采样率（重采样协议见 §5.2）——"所有通道同频"的旧假设在新库不成立。
§2.2 counter ticks 时间语义
numerics 的 time 列不是秒、不是 ISO 时间戳，而是 counter ticks——监护仪内部计数器的滴答，频率 counter_freq=999.52 Hz（即 1 tick ≈ 1.00048 ms）。官方换算：seconds = t / header.counter_freq，再 dt = header.base_datetime + delta 得到挂钟时间。设计意图：监护仪内部时钟以自由计数器运行，避免墙钟跳变（NTP 校时/夏令时）破坏时序单调性——ticks 是单调时间，base_datetime 是墙钟锚点，两者相加才得业务时间。工程纪律：一切"时间差"计算用 ticks（无损单调），一切"日历对齐"用换算后的 datetime（挂钟语义）——混用两类时间轴是新版库最常见的 bug 源。
§2.3 共享 date shift 的方法学突破
MIMIC-III 家族的隐性成本：波形侧与临床库侧各自随机偏移（date shift 种子不同），多模态对齐前必须先建"偏移还原层"（487 号条目 §4.6 的整章工程）。MIMIC-IV Waveform 官方明示：“a surrogate date is generated by adding a randomly-assigned offset (which matches the offset used in MIMIC-IV)”——同一患者的波形与临床数据共享同一偏移。三个直接收益：(1) 波形样本 t → base_datetime + t 即得与 CHARTEVENTS 同轴的 datetime，直接 join；(2) 患者内跨记录、跨模块时序天然一致；(3) 偏移还原层从"必建工程"降级为"无需存在"。方法学论文里的对齐消融（487 号 §7.7）在新库不再需要——这个消融的消失本身就是架构进步的度量。
§2.4 FLAC 压缩的取舍语义
信号文件用 FLAC（-8 -r8 -e：最高压缩级别+自适应块分割+穷举搜索）——无损压缩，解压后与原始采样逐样本一致。收益：12.8 GB 体量（若不压缩预计 3-4 倍）；传输与存储成本大幅下降。代价：读取链路多一层解码依赖（libFLAC 或支持 FLAC 的 wfdb-python）。工程语义：FLAC 是对研究者透明的优化——wfdb-python 新版 rdrecord 自动处理；只有直接解析 .dat 字节或用旧版工具链的团队会踩坑（§6.5 坑点）。与有损压缩（降采样/量化）的本质区别：FLAC 不改变任何科研结论，只是门槛更高的门把手。
§2.5 numerics 从 WFDB 到 CSV 的语义转变
MIMIC-III 的 numerics 是 1 Hz 网格化 WFDB 记录（监护仪每秒产出一行）；MIMIC-IV Waveform 承认了临床现实——监护仪测值是不规则采样的（NIBP 每 5-60 分钟一次、SpO2 每 1.024 秒、体温小时级），强行网格化意味着大量空值或插值污染。新版改用 gzip CSV：每行一个真实测量事件（time ticks + 列名 + 值），无测量则无行。三个后果：(1) 列名跨患者不同（83411188n.csv.gz 的列集 ≠ 85583557n.csv.gz）——统一 schema 需自建列映射表；(2) 时间粒度精细到 ticks（毫秒级）；(3) 分析时必须先 resample/聚合到统一网格——“读进来就是矩阵"的旧workflow 改为"读进来是事件流”。这不是退化，是把选择权交还研究者（网格化策略自己定）。
§2.6 信号清单与临床语义
| 信号 | 采样率 | 派生 numerics | 临床语义 |
|---|---|---|---|
| ECG（2-3 通道） | 250 Hz | HR（每 1.024 s）、逐拍 HR、ST、QT | 节律/缺血/电解质 |
| PPG（Pleth） | 125 Hz | SpO2、灌注指数、脉率 | 氧合/灌注 |
| ABP（有创） | 125 Hz | ABP s/d/m、脉率 | 连续血压真值 |
| NIBP（袖带） | 间歇 | NBP s/d/m | 间歇血压 |
| Resp（阻抗） | 62.5 Hz | RR | 通气节律 |
| 其他 | 视配置 | 体温/CVP/ICP | 视监护配置 |
与 MIMIC-III 波形库的信号语义一脉相承（ECG/PPG/ABP/Resp 四大类），但派生测值的时间基准统一为 1.024 秒节拍（监护仪内部钟）而非 1 秒整——跨库比较 numerics 时间粒度时注意这个 2.4% 的节拍差。
§2.7 gap 拆分与跨患者风险（继承语义）
监护系统需要护士手工 admit/discharge 患者，患者离开 ICU 后监护仪可能未停机——同一 PatientId 可能先后属于两名患者。新版沿用 MIMIC-III 波形库的防线：gap >1 小时自动拆分为独立记录。风险语义同样继承：短 gap 内换患者的情形理论存在，"记录≠确诊患者"的谨慎语义保留。与 487 号 matched 库的差异：MIMIC-IV Waveform 经 subject_id 与临床库官方互链——匹配是原生的（采集系统已与 MIMIC-IV 身份对齐），不需要 MIMIC-III 时代的事后匹配工程——这正是"两套系统时代断层"被弥合后的架构红利。
§2.8 预览版的科学定位
官方 release notes 原文：“This release contains just 200 records from 198 patients, and is intended as a technical preview for the community in advance of version 1.0.0”。科学语义：预览版的价值在架构验证而非统计功效——用它发"大规模实证"论文是误用（198 患者的 CI 宽到无法辩护）；用它发"方法学/管线/架构"论文完全正当（TransfoRhythm 即先例：在 198 人上清洗出 360 条纯净记录做方法学贡献）。正确姿势是 §7.2 的"预览版校准、v1.0 放量"两段式。
§2.9 EMBC 2022 教程的方法学地位
IEEE EMBC 2022-07 workshop（Peter Charlton 领讲）是官方认证的入门路径：可执行笔记本覆盖 WFDB-Python 读取、特征提取（HRV/PPG 形态/呼吸率）、与 MIMIC-IV 临床数据联合——笔记本公开在 mimic.mit.edu。方法学语义：官方教程定义了"标准读取路径"，偏离该路径的解析代码应在论文中自证正确性（尤其 FLAC/CSV/ticks 三个新语义点）。教程 notebook 同时是回归测试基准：你的产线对教程样例记录的输出与 notebook 一致，则解析层可信。
§2.10 与 MIMIC-IV-ECG 的分工
MIMIC-IV 家族内两个"心电"资产的分工：MIMIC-IV-ECG 是独立采集的 10 秒 12 导诊断级静息心电图（数百万条，500 Hz）；MIMIC-IV Waveform 是床旁连续监护波形（持续数小时-数周、2-3 导监护级 250 Hz）。前者胜在标准化与诊断标签，后者胜在连续性与多参数同步（ECG+PPG+ABP+Resp 同轴）。ECG 深度学习（节律分类/诊断）用 ECG 模块，血流动力学/多模态/预警用 Waveform 模块——引用与选型勿混。
§2.11 迁移成本的现实评估
从 MIMIC-III 波形产线迁移到 MIMIC-IV Waveform 的实际工作量分布：解析层重写（FLAC/CSV/ticks）约占一半、命名适配（三套分桶）约占两成、对齐层简化（共享偏移）反而省掉还原工程、模型层基本不动。净评估：一次性成本 2-4 人日，换来 250 Hz ECG + 直接对齐 + 模块族互链——对计划长期投入 ICU 多模态的团队是正期望值迁移；对一次性研究则留在了 MIMIC-III 生态（486/487）更经济。
§2.12 共享偏移 vs 还原层：两代对齐工程对照
| 工程项 | MIMIC-III 家族（486/487） | MIMIC-IV 家族（488+492） |
|---|---|---|
| 偏移量 | 波形侧≠临床侧（各自随机） | 同一偏移量 |
| 对齐前置工程 | 偏移还原层（487 §4.6 整章） | 无（直接比 datetime） |
| 正确性验证 | numerics vs CHARTEVENTS 交叉校验（§4.7） | 抽样自洽检查（§6.3） |
| 失败模式 | 偏移处理错误→全错且难察觉 | 几乎不存在该类错误 |
| 论文审查项 | 偏移协议有无（强制） | 偏移共享验证报告（加分） |
| 教学语义 | date shift 是"必学陷阱" | date shift 是"透明基础设施" |
这一对照是多模态 ICU 研究方法学演进的缩影：把易错的人肉工程固化为数据架构。引用 487 条目学习对齐陷阱、引用本条目理解目标状态——两代文献合读才是完整叙事。
§2.13 中央站采集架构的科研语义
官方 Methods 章披露的采集链路值得细读：床旁监护仪→局域网→中央护理站→专有关系库（固定天数后自动丢弃）→每 24 小时横截面切片→归档。三个科研语义：(1) "24 小时切片"意味着归档粒度是天级批次——理论上存在批次边界的记录切缝（工程上已由解析整合，但跨批次拼接的边界核查值得列入完整性清单）；(2) "固定天数丢弃"解释了为什么不早做归档就永远失去数据——MIMIC 波形项目本质是与数据蒸发赛跑的抢救性采集；(3) 中央站视角=全院 ICU 监护仪全覆盖——采集覆盖率高于床旁单机方案，这是 486 与本库共享的采集优势（对比手术室单机记录的 VitalDB）。
§3 数据集规格
§3.1 规格总表
| 属性 | 规格 |
|---|---|
| 正式名称 | MIMIC-IV Waveform Database（v0.1.0） |
| 记录数 | 200 |
| 患者数 | 198 |
| 总容量 | 12.8 GB（未压缩） |
| 发布日期 | 2022-07-10 |
| ECG 采样 | 250 Hz（2-3 通道） |
| PPG/ABP 采样 | 125 Hz |
| Resp 采样 | 62.5 Hz |
| numerics | 不规则采样；gzip CSV；time=counter ticks（counter_freq=999.52 Hz） |
| 压缩 | 信号 FLAC（-8 -r8 -e）；numerics dictzip |
| 目录结构 | waves/pXXX（100 桶，前三位）/p100XXXXXX（患者）/8 位记录号 |
| 时间去标识 | 代理日期（与 MIMIC-IV 共享偏移）+ elapsed time 计时 |
| 互链键 | subject_id + hadm_id → MIMIC-IV 全模块 |
| 许可 | ODbL v1.0 |
| DOI | 10.13026/a2mw-f949（v0.1.0） |
| 路线图 | v1.0.0 约 10,000 记录（官方预告） |
| 教程 | IEEE EMBC 2022 笔记本 + wfdb.io 教程站 |
§3.2 数据发布口径地图
| 数字 | 口径 | 出处 |
|---|---|---|
| 200 | v0.1.0 记录数 | 官方页面 + release notes |
| 198 | v0.1.0 患者数 | 官方页面 |
| 12.8 GB | v0.1.0 未压缩总量 | PhysioNet Files 页 |
| 约 10,000 | v1.0.0 预告规模（勿当现状引用） | 官方 release notes |
| 250/125/62.5 Hz | ECG/PPG·ABP/Resp 采样率 | wfdb.io 官方教程 |
| 999.52 Hz | counter_freq（1 tick≈1 ms） | 官方 numerics 文档 |
| 1.024 s | 派生测值节拍（HR/SpO2 等） | wfdb.io 教程 |
口径纪律："200 records/198 patients"是现状；"10,000"是预告——论文引用现状、报告里写预告必须带"in preparation/preview"限定。
口径事故成本对比：写错一个数字（预告当现状）的代价是审稿一轮返工；口径表（本节）的维护成本是十分钟——这是全系列条目坚持口径存照的原因。
§3.3 DAIMS 数据AI就绪度评估
| 维度 | 评分 | 说明 |
|---|---|---|
| 可获取性 Accessible | ★★★★★ | ODbL 开放；12.8 GB 笔记本级体量；AWS 镜像 |
| 可解析性 Interpretable | ★★★☆☆ | 新格式（FLAC/CSV/ticks）学习曲线；官方教程补位 |
| 一致性 Consistent | ★★★☆☆ | numerics 列跨患者不同；统一 schema 自建 |
| 链接性 Linkable | ★★★★★ | subject_id+hadm_id 原生互链 + 共享偏移——MIMIC 家族最佳 |
| 标签就绪 Label-ready | ★★★★☆ | 随 MIMIC-IV DUA 即得全模块标签；无还原层 |
| 文档完备 Documentation | ★★★★★ | 官方页面+教程站+EMBC 笔记本三层齐备 |
总评 4.2/5：链接性与文档满分，扣分在预览版体量与格式迁移成本——定位是"未来的主力、今天的实验室"。
§3.4 存储与计算需求
| 场景 | 磁盘 | 内存 | 说明 |
|---|---|---|---|
| 全量本地 | 13-15 GB | — | 12.8 GB+解压余量——单机全量可行 |
| 流式远程读取 | <1 GB | 2 GB | pn_dir 按需拉取 |
| 解析普查（头文件+CSV 清单） | <2 GB | 4 GB | §4.9 索引构建 |
| 端到端原型训练 | 15-20 GB | 8-16 GB | 全量+特征缓存 |
| 大规模预训练 | 不适用 | — | 等 v1.0（预览版体量不支持） |
§3.5 获取通道
| 通道 | 内容 | 门槛 |
|---|---|---|
| PhysioNet 官方页 | 页面/引用/许可 | 无 |
physionet.org/files/mimic4wdb/0.1.0/ |
全量数据（ODbL） | 无 |
| AWS Open Data S3 | 按需拉取 | 无 |
| PhysioBank ATM | 在线可视化 | 无 |
| EMBC 2022 笔记本 | 官方教程（可执行） | 无 |
| MIMIC-IV（Hosp/ICU 等模块） | 临床互链数据 | DUA（CITI+签署） |
| wfdb.io/mimic_wfdb_tutorials | 格式/结构文档 | 无 |
§3.6 口径对齐表
| 你想要的 | 应该引用 | 不要引用 |
|---|---|---|
| 现有规模 | 200 记录/198 患者（v0.1.0） | “约 10,000 记录”（预告当现状） |
| ECG 采样率 | 250 Hz（本库） | 125 Hz（那是 MIMIC-III 波形） |
| numerics 格式 | gzip CSV 不规则采样 | “1 Hz WFDB”（那是 486/487） |
| 对齐语义 | 共享偏移（与 MIMIC-IV） | “需还原层”（那是 MIMIC-III 家族） |
| DOI | 10.13026/a2mw-f949 | MIMIC-IV 临床库 10.13026/7vcr-e114 |
| parent project | MIMIC-IV v2.0 | MIMIC-III v1.4 |
§3.7 版本选择纪律
- 引用 v0.1.0 DOI（10.13026/a2mw-f949）——它是实际发布版本；latest 概念 DOI（10.13026/6269-ws81）用于"无论版本引用该项目"的泛指；
- v1.0.0 发布后：历史论文不必重跑（预览版方法学结论独立成立），新项目直接用 v1.0；
- 三代波形库（MIMIC-III Waveform/Matched/MIMIC-IV Waveform）选型：大样本训练→486；临床关联大样本→487；架构预演+250 Hz→488；
- 跨库研究必须声明各自版本与命名体系差异（三套分桶互不兼容）。
§3.8 数据文件与字段详表
| 文件/路径 | 内容 | 关键字段/语义 |
|---|---|---|
waves/pXXX/ |
顶层分桶（subject_id 前三位；p100-p199） | 100 个桶 |
pXXX/p100XXXXXX/ |
患者目录（subject_id 8 位） | 同患者多记录同居一目录 |
XXXXXXXX.hea |
master header | base_datetime（代理锚点）；segment 清单 |
XXXXXXXX_000N.hea |
segment header | fs（该段采样率）/gain/baseline |
XXXXXXXX_000Ne.dat |
信号数据 | FLAC 压缩；e/r/p 等后缀为信号文件类型 |
XXXXXXXXn.csv.gz |
numerics 表 | time（ticks）+列名（跨患者不同）+值 |
RECORDS |
记录清单 | 遍历入口 |
§3.9 记录质量分层画像（预扫描协议）
200 记录的全量普查秒级完成——每条记录都值得人工过目（这是预览版的奢侈）：
| 层 | 判定 | 处置 |
|---|---|---|
| A：多信号长记录 | ECG+PPG+ABP 齐、>10 h | 方法学主力 |
| B：信号不全 | 缺 ABP（多数）或缺 PPG | 任务定制 |
| C：短记录 | <1 h（TransfoRhythm 报告多数 <1.5 h） | 边缘样本 |
| D：异常 | 解析失败/信号断续 | 人工归档原因 |
普查同时核对每条记录的列名集合（numerics）→ 产出列映射表——这是 §4.6 统一 schema 的前置资产。
§3.10 多采样率换算速查表
| 任务对象 | 原生 fs | 目标网格 | 换算 |
|---|---|---|---|
| ECG 形态（QRS/ST/起搏脉冲） | 250 Hz | 保留 250 Hz | 不降采样 |
| ECG→血流动力学特征（HRV/PTT） | 250 Hz | 125 Hz | 抗混叠低通(<62.5 Hz)后抽取 |
| PPG/ABP 波形 | 125 Hz | 125 Hz | 原生 |
| Resp | 62.5 Hz | 125 Hz 网格 | 阶梯保持（不插值升采样） |
| HR/SpO2 numerics | 1.024 s 节拍 | 1 Hz 网格 | 就近对齐（≤0.512 s 漂移声明） |
| NIBP/体温 numerics | 分钟-小时级 | 事件流保留 | 前向保持 |
速记：波形可降不可升、numerics 只保持不插值、一切换算注明方法与漂移上界。
实操顺序建议：先定任务时窗与主网格（§5.2 第 1 步）→ 再查此表定各通道换算 → 最后把全部换算写进方法学（审稿人可复现）。三步走完，多采样率不再是坑而是特征。
§4 数据结构
§4.1 对象模型
MIMIC4Waveform
├── Patient（p100XXXXXX = subject_id 8 位；198 个）
│ └── Record[1..N]（8 位记录号；gap>1h 拆分产物）
│ ├── WaveformRecord（master/segment 两层头；FLAC 信号）
│ │ ├── Segment[0..M]（fs 可按段不同；多采样率通道）
│ │ └── SurrogateDatetime（base_datetime；与 MIMIC-IV 共享偏移）
│ └── NumericsTable（n.csv.gz；事件流；列跨患者不同）
└── MIMIC4Linkage（subject_id+hadm_id → Hosp/ICU/ED/CXR/Note；DUA）
└── SharedDateShift（偏移量与临床库一致——直接对齐）
§4.2 记录枚举与索引构建（实战）
# 依赖：pip install wfdb pandas
import wfdb, pandas as pd, re
RECORDS = wfdb.get_record_list('mimic4wdb') # 顶层清单
rows = []
for rec_path in RECORDS:
# rec_path 形如 'waves/p100/p10014354/81739927'
m = re.match(r'waves/p(\d{3})/p(\d{8})/(\d{8})$', rec_path)
if m:
bucket, subject_id, record_id = m.groups()
rows.append({'record_path': rec_path,
'subject_id': int(subject_id),
'record_id': record_id,
'bucket': bucket})
df = pd.DataFrame(rows)
print(len(df), '记录；', df.subject_id.nunique(), '患者') # 期望 ≈200 / 198
df.to_csv('mimic4wdb_index.csv', index=False)
§4.3 头文件与时间锚点（实战）
import wfdb, datetime
hdr = wfdb.rdheader('83411188', pn_dir='mimic4wdb/0.1.0/waves/p100/p10039708')
print('base_datetime:', hdr.base_datetime) # 代理日期时间（与 MIMIC-IV 同偏移）
print('counter_freq:', hdr.counter_freq) # 999.52 Hz
print('segments:', hdr.seg_name) # segment 清单
print('sig_names:', hdr.sig_name) # 全部可能信号
# 各 segment 采样率可能不同（多采样率体系）——逐段读 .hea 确认
§4.4 波形流式读取（实战）
import numpy as np, wfdb
def read_segment(pn_dir_path, segment, seconds=60):
seg = wfdb.rdrecord(segment, pn_dir=pn_dir_path,
sampfrom=0, sampto=seconds * 250) # 先按 ECG 250 Hz 上界取
return seg.p_signal, seg.sig_name, seg.fs
data, ch, fs = read_segment('mimic4wdb/0.1.0/waves/p100/p10039708',
'83411188_0001')
# 注意：多采样率体系下同一 segment 内各通道 fs 一致（WFDB 约束），
# 通道级采样率差异通过"信号不参与"或内部重采样解决——读 .hea 的 fs 逐段确认
要点：FLAC 解码由 wfdb-python 自动处理（3.4.1+）；老版本会报"unknown format"——升级而非手解。
§4.5 numerics 事件流读取（实战）
import csv, gzip, datetime, wfdb
def read_numerics_local(record, cols=('SpO2 [%]', 'HR')):
"""本地读法（全量下载后）：gzip CSV 事件流 → (ticks, 值) 列表"""
out = {c: [] for c in cols}
with gzip.open(f'{record}n.csv.gz', 'rt') as gzf:
for row in csv.DictReader(gzf):
t = int(row['time']) # counter ticks
for c in cols:
v = row.get(c, '')
if v:
out[c].append((t, float(v)))
return out
def ticks_to_datetime(ticks, hdr):
"""官方换算：ticks → 秒 → base_datetime 偏移"""
seconds = ticks / hdr.counter_freq # 999.52 Hz
return hdr.base_datetime + datetime.timedelta(0, seconds)
要点：CSV 是事件流（无测量=无行）——下游统一网格（§5.2）由你选策略（前向保持/区间聚合），库不做隐式插值；远程读法可先 wfdb.dl_database 拉单患者目录或用 urllib 打开同路径。
§4.6 与 MIMIC-IV 临床库关联（实战核心）
"""
关联协议（须 MIMIC-IV DUA）——比 MIMIC-III 家族少一个还原层：
1) subject_id 硬关联：波形目录名 p10014354 → MIMIC-IV SUBJECT_ID = 10014354
2) hadm_id：经 MIMIC-IV admissions 表判记录所属住院
（波形 base_datetime 与 admittime/dischargtime 直接可比——共享偏移！）
3) 时间对齐：波形样本 t → base_datetime + t/counter_freq → 与
charttime/labtime 直接 join——无需任何偏移还原
4) 验证：numerics 的 HR vs MIMIC-IV icu chartevents 的 HR
重叠时段相关抽检（同 487 号 §4.7 纪律，但期望"直接就对"）
"""
# SELECT subject_id, hadm_id, admittime, dischtime
# FROM mimiciv_hosp.admissions WHERE subject_id = 10014354;
# 波形 base_datetime 落在 [admittime, dischtime] 内 → hadm 归属
方法学红利：487 号条目的 §4.6/§4.7 整套偏移还原+交叉校验协议在本库默认通过——这不是省了一次代码，是消灭了一整类错位 bug。
§4.7 数据血缘
BIDMC ICU 床旁 Philips 监护仪（MIMIC-IV 采集期 2008-2019）
→ 中央站局域网 → 专有关系库（固定天数后丢弃）
→ 每 24 小时横截面切片 → 文本/二进制归档
→ 解析/按患者整理 → WFDB + CSV → 去标识
· subject_id/hadm_id（与 MIMIC-IV 同一代理 ID 体系）
· 代理日期（与 MIMIC-IV 同一偏移）
· FLAC 压缩 + dictzip
→ MIMIC-IV Waveform v0.1.0（2022-07-10；DOI a2mw-f949）
↕ parent：MIMIC-IV v2.0（10.13026/7vcr-e114）
§4.8 完整性清单
- [ ] RECORDS 解析 → 记录/患者数核对（≈200/198）
- [ ] 记录名正则覆盖率 100%（异常单列）
- [ ] 每记录 master header：base_datetime/counter_freq/segment 清单
- [ ] 各 segment fs 清点（多采样率矩阵：记录×通道×fs）
- [ ] numerics 列名并集/交集统计 → 列映射表落盘
- [ ] 环境验证：wfdb-python 解 FLAC 成功 + gzip CSV 读通
- [ ] 患者级切分表（198 患者按 subject_id 切——预览版也要按患者切）
- [ ] 若做临床关联：DUA 环境 + 共享偏移验证（抽 3 患者对时轴）
§4.9 列映射表构建（numerics 统一 schema）
def build_column_map(df_index, pn_dir_base='mimic4wdb/0.1.0/waves'):
"""200 条 numerics 的列名普查 → 统一 schema 映射表"""
from collections import Counter
col_counter = Counter()
per_record = {}
for _, r in df_index.iterrows():
with gzip.open(f'{r.record_id}n.csv.gz', 'rt') as gzf:
cols = next(csv.DictReader(gzf)).keys()
per_record[r.record_id] = set(cols)
col_counter.update(cols)
# 统一 schema：高频列作标准列；低频列映射到语义等价类（如 ABPs/ABPm/ABPd）
standard = [c for c, n in col_counter.items() if n >= 100] # 阈值按需调
return standard, per_record, col_counter
§4.10 患者级切分（实战）
def patient_split(df, seed=42):
patients = df.subject_id.unique() # 198 个
rng = np.random.default_rng(seed); rng.shuffle(patients)
n = len(patients)
tr, va = patients[:int(n*0.8)], patients[int(n*0.8):int(n*0.9)]
te = patients[int(n*0.9):]
tag = lambda s: 'train' if s in tr else 'val' if s in va else 'test'
df['split'] = df.subject_id.map(tag)
return df
# 预览版纪律：198 患者切分后 test 仅约 20 人——报告必须给绝对数
# （"test AUROC 0.83（n=20 患者）"而非只给指标）
§4.11 PPG-ABP 配对段抽取（实战）
def extract_ppg_abp_pairs(record_path, win_s=10):
"""抽取 PPG+ABP 同段共存窗口（PPG-BP 产线原料；TransfoRhythm 清洗口径）"""
hdr = wfdb.rdheader(record_path)
rec_name = record_path.rsplit('/', 1)[1]
pn_dir = '/'.join(record_path.split('/')[:-1])
pairs = []
for seg_name, seg_len in zip(hdr.seg_name, hdr.seg_len):
if seg_name == '~':
continue
seg = wfdb.rdrecord(f'{rec_name}_{seg_name}', pn_dir=pn_dir,
sampfrom=0, sampto=seg_len)
ch = {n: i for i, n in enumerate(seg.sig_name)}
if 'PLETH' in ch and 'ABP' in ch:
step = win_s * seg.fs
for start in range(0, seg_len - step, step):
w = seg.p_signal[start:start+step]
if np.isnan(w).any() or w.std(axis=0)[[ch['PLETH'], ch['ABP']]].min() < 1e-3:
continue # 平线/饱和/NaN 段剔除
pairs.append({'seg': seg_name, 'start': start,
'ppg': w[:, ch['PLETH']], 'abp': w[:, ch['ABP']]})
return pairs
§5 下游分析协议
§5.1 任务×资源速查表
| 任务 | 本库可完成度 | 说明 |
|---|---|---|
| 产线架构预演 | ★★★★★ | 12.8 GB 全量本地，端到端调通 |
| PPG-BP 方法学 | ★★★☆☆ | 198 人功效有限；方法学论文可行（TransfoRhythm 先例） |
| 250 Hz ECG 细节分析 | ★★★★☆ | 本库独有优势（MIMIC-III 波形 125 Hz 做不了） |
| 多模态原型（+MIMIC-IV） | ★★★★★ | 共享偏移+DUA=最顺滑对齐链路 |
| 大规模预训练 | ★☆☆☆☆ | 等 v1.0；当前用 486 主库 |
| 工具链回归测试 | ★★★★★ | 教程样例+200 记录=解析层测试床 |
§5.2 多采样率对齐协议（本库特有）
- 统一目标网格：按任务选主网格（血流动力学任务 125 Hz；ECG 形态任务 250 Hz）；
- 重采样纪律：降采样先抗混叠滤波（250→125 Hz 用低通截止 <62.5 Hz）；升采样不增信息、避免（用插值仅限可视化）；
- 时间轴：一切以 master header base_datetime + elapsed ticks 为唯一真源——禁止"按样本数对齐"跨段拼接（段间可能有 gap）；
- numerics 网格化策略：事件流→目标网格用前向保持（临床测值语义）而非线性插值（化验值不可插）；HR/SpO2 类连续测值可用 1.024 s 节拍直接对齐；
- 验收：同源双口径抽检（PPG 派生脉率 vs SpO2 列 pulse rate）相关抽检。
§5.3 PPG-BP 迁移协议（从 486/487 到本库）
"""
把 MIMIC-III 波形产线的 PPG-BP 协议迁移到本库的增量清单：
1) 采样率声明：PPG/ABP 仍 125 Hz——特征层不变
2) ECG 250 Hz：PTT 特征的 R 波定位精度提升——可复算旧结果验证增益
3) numerics：ABPs/ABPm/ABPd 从 CSV 取（不再从 WFDB numerics）——替代监督真值
4) 配对段筛选：ABP+PPG 同段共存记录（§3.9 A 层）——TransfoRhythm 口径
（<15 分钟记录剔除、平线/高噪段剔除、Butterworth 0.7-10 Hz + MAF）
5) 功效声明：198 人 → 方法学论文 OK；基准排行榜论文等 v1.0
"""
§5.4 失败模式清单
- “10,000 当现状”：预告规模当实际规模引用——审稿必抓；
- 旧 WFDB 读 FLAC：unknown format 报错——升级工具链而非手写解码；
- 跨患者列名假设一致：CSV 列集不同→KeyError 或静默 NaN——列映射表（§4.9）前置；
- ticks 当秒用：时间差 999.52 倍缩放错误——一切换算走 counter_freq；
- 跨段按样本数拼接：段间 gap 被压缩成连续——按 base_datetime 对齐；
- 把 125 Hz 经验套到 250 Hz：ECG 通道超采样，特征窗口长度按 Hz 换算；
- 按记录切分：同患者多记录泄漏（83411188 与 85583557 即同患者双记录实例）；
- 混用三代库命名分桶：30-39 / p00-p09 / p100-p199 三套体系脚本互串。
§5.5 报告模板：方法学段落骨架
我们使用 MIMIC-IV Waveform Database v0.1.0（200 记录/198 患者；12.8 GB）[Moody 2022, doi:10.13026/a2mw-f949]，其波形经 subject_id/hadm_id 与 MIMIC-IV v2.0 [Johnson 2022] 互链，且共享代理日期偏移（波形与临床时间直接可比）。多采样率信号（ECG 250 Hz、PPG/ABP 125 Hz、Resp 62.5 Hz）经统一网格重采样对齐；numerics 事件流（counter ticks，999.52 Hz）按前向保持策略网格化。患者级切分（train/val/test，按 subject_id）。波形侧数据依 ODbL v1.0 获取；临床模块经 PhysioNet DUA（CITI 编号 XXXX）在合规环境处理。本库为技术预览版，本文结论限于方法学验证，统计功效声明见限制节。
§5.6 250 Hz ECG 特征协议（本库专项）
| 特征族 | 250 Hz 增益点 | 提取要点 |
|---|---|---|
| QRS 形态（宽度/切迹） | 定位精度 8→4 ms | 逐拍窗口按 R 峰±100 ms |
| ST 段偏移 | J 点定位更稳 | R 峰+60~80 ms 基线回归 |
| 起搏脉冲检测 | 0.5-2 ms 窄脉冲可分辨 | 高通后阈值+不应期 |
| QT/QTc | T 波终末定位误差减半 | 逐拍+质量掩码 |
| HRV（时域/频域） | RR 间期量化更细 | 逐拍 HR 校验异常间期 |
声明纪律：报告 250 Hz 增益时给出对应特征的消融（§7.7 框架），不笼统写"更高精度"。
§5.7 队列注释产线（DUA 环境）
"""
为 198 患者构建临床注释层（论文 Table 1 自动化；经 MIMIC-IV 直连）
"""
def annotate_cohort(df_index, mimiciv):
demo = mimiciv.patients.merge(mimiciv.admissions, on='subject_id')
dx = mimiciv.hosp_diagnoses_icd.assign(
dx_group=lambda d: d.icd_code.map(ICD_TO_GROUP)) # ICD-9/10 统一分组
dx_agg = dx.groupby(['subject_id', 'hadm_id']).dx_group.apply(set)
cohort = df_index.merge(demo, on='subject_id').join(dx_agg,
on=['subject_id', 'hadm_id'])
# 共享偏移红利：anchor_year/anchor_age（MIMIC-IV 口径）直接可用
return cohort
# 产出：subject_id | hadm_id | anchor_age | gender | dx_groups |
# admittime(代理) | care_unit ——§7.5 分层与 Table 1 唯一真源
§6 实证结果与方法学分析
§6.1 预览版规模的实证含义
198 患者对统计功效意味着什么？以 PPG-BP 为例：TransfoRhythm 在清洗后 360 条记录上报告方法学结果——可行；但按 MIMIC-III 波形库经验（约 1/3 记录有可用 PPG+ABP 对），198 患者约产出 60-100 条可用配对记录（TransfoRhythm 清洗前 200 条口径），亚组分析（按年龄/用药）会迅速塌缩到个位数。预览版的正确贡献类型：解析协议、对齐验证、特征可重复性、模型架构调试——全部"方法学资本"；把预览版当训练集刷指标，是用 198 人的噪声去赌 v1.0 的信用。
§6.2 三代库规模×体量的实证换算
| 库 | 记录 | 患者 | 体量 | 人均记录 | 人均体量 |
|---|---|---|---|---|---|
| MIMIC-III Waveform | 67,830 组 | ~30,000 | 6.7 TB | 2.26 组 | 235 MB |
| MIMIC-III Matched | 22,317 | 10,282 | ~1/3 库 | 2.17 | ~230 MB |
| MIMIC-IV Waveform v0.1.0 | 200 | 198 | 12.8 GB | 1.01 | 66 MB |
人均体量下降的解读：v0.1.0 记录偏短（TransfoRhythm：多数 <1.5 h，MIMIC-III 波形多为数天）——预览版选择了"广撒少量"的发布策略（先覆盖架构语义而非时长深度），这也预示 v1.0 的数据分布可能与 MIMIC-III 波形显著不同——迁移研究要重做分布假设，不能默认继承。
§6.3 共享偏移的实证验证协议
“与 MIMIC-IV 共享偏移"是官方声明，使用前应抽样验证（DUA 环境）：抽 3-5 名患者，取波形 base_datetime 与 MIMIC-IV admissions 的 admittime，检查"波形开始时刻是否落在住院期内且时分与 CHARTEVENTS 首条记录顺序自洽”。验证通过→对齐层直接上线；验证失败→检查是否读错 header（base_date vs base_datetime）或跨版本临床库（v2.0 vs 3.0 的偏移语义一致性）。把官方声明变成已验证事实，是多模态论文审稿的加分项。
§6.4 FLAC 与体量的实证账
12.8 GB 对应"200 记录×人均 1 记录×66 MB"——对比 MIMIC-III 波形人均 235 MB（125 Hz 统一）与 ECG 250 Hz 的翻倍采样，FLAC -8 级别的压缩率（生理信号典型 2-3:1）是 12.8 GB（而非 30-40 GB）的关键。实证结论：FLAC 让"笔记本全量"成为可能——预览版的可及性策略（零门槛下载+全量本地）直接受益于压缩选型，这反过来塑造了"技术预览传遍社区"的传播效率。
§6.5 八个真实坑点
- 坑点 1 预览当全量：200 记录是技术预览，"10,000"是预告——两个数字进论文要分别标注状态；
- 坑点 2 旧工具读 FLAC：WFDB 10.7.0+/wfdb-python 3.4.1+ 是硬门槛，libFLAC 先装；
- 坑点 3 列名跨患者不同：numerics 无统一 schema——列映射表是必建资产；
- 坑点 4 ticks 当秒：999.52 Hz 的 counter_freq 不除，时间全部缩放错 1.00048 倍（累积误差分钟级）；
- 坑点 5 base_date 与 base_datetime：新版头文件是完整 datetime 锚点，别沿用旧库"日期+时分分离"假设；
- 坑点 6 250 Hz 当 125 Hz 用：ECG 通道特征窗口长度不减半的话，时间常数错一倍；
- 坑点 7 同患者多记录：p10039708 下 83411188 与 85583557 是同一人的两次监护——按患者切分；
- 坑点 8 偏移语义跨家族混用：本库与 MIMIC-IV 共享偏移 ≠ 与 MIMIC-III 共享——跨家族对齐仍需各自还原；
- 坑点 9 "24 小时切片"边界想当然：归档按天批次、解析已重组——但边界核查（§6.13）是完备性加分项，勿默认无切缝。
§6.6 审稿人自查清单
- [ ] 规模口径：200/198 现状 vs 10,000 预告分开陈述？
- [ ] 版本与 DOI：v0.1.0（a2mw-f949）而非泛引？
- [ ] 多采样率处理：统一网格协议（§5.2）显式描述？
- [ ] ticks 换算：counter_freq 出现在方法学？
- [ ] numerics schema：列映射/网格化策略可复现？
- [ ] 患者级切分 + test 绝对数（约 20 患者）？
- [ ] 共享偏移验证：§6.3 抽检报告？
- [ ] 功效声明：预览版限定语（technical preview）出现？
§6.7 与 486/487 的关系治理
三代库在论文中的引用分工：信号方法学溯源引 486（主库）；临床关联协议溯源引 487（matched）；架构与前瞻引 488（本库）。跨库比较的公平性纪律：比较模型性能时声明各库版本与预处理差异（125 vs 250 Hz、1 Hz numerics vs 事件流）；不要把 486 上的训练结果直接说成"MIMIC 波形结果"——三代库是三个数据集，不是三个版本号。
§6.8 许可的复利语义
ODbL v1.0 与 MIMIC 家族一脉相承：波形侧开放（本库全量零门槛）、临床模块 DUA 受控。本库的复利形态：12.8 GB 体量使"ODbL 阶段完成 95% 工程量"成为现实——连全量下载都能在一杯咖啡时间内完成，产线调试、课程教学、工具开发全部在开放侧闭环；DUA 只为最终的临床标签接入而开。这是 PhysioNet 用许可+体量双杠杆推动生态前置化的又一实例。
§6.9 教程驱动的社区校准
EMBC 2022 笔记本+wfdb.io 教程站构成了"官方参照实现"——社区产线与之逐字节对拍（教程样例记录的解析输出一致）即可自证正确。这一机制的实证价值：新格式（FLAC/CSV/ticks）的早期采纳期，错误解析极易悄悄发生（比如 ticks 缩放、列名遗漏）——参照实现的存在把"悄悄错误"变成"对拍失败"，是预览版发布策略中容易被低估的质量基建。
§6.10 静态预览×动态路线的组合语义
v0.1.0 静态定稿 + v1.0 路线图预告，构成"当下可复现+未来可迁移"的组合：论文引用 v0.1.0 DOI 保证可复现；产线代码按 v1.0 兼容性编写（记录枚举/列映射写成数据驱动而非硬编码 200 条）——v1.0 上线日即迁移日。工程建议：所有"200"字样的断言集中在配置层（规模断言/记录清单哈希），核心代码零硬编码。
§6.11 从 487 号条目到本库：协议迁移映射表
| 487 协议（MIMIC-III Matched） | 本库对应（MIMIC-IV Waveform） | 状态 |
|---|---|---|
| 命名正则 pXXNNNN-日期-时分 | pXXX/p100XXXXXX/8 位号 | 重写（更简单） |
| 偏移还原层（SurrogateShiftResolver） | 删除 | 架构性简化 |
| numerics 交叉校验（§4.7） | 抽样自洽检查（§6.3） | 降级为验证 |
| WFDB numerics 1 Hz 读取 | gzip CSV 事件流+列映射 | 重写 |
| 患者级切分 | 同（subject_id） | 直接复用 |
| 阻尼伪影掩码/事件标注 | 同（ABP 语义不变） | 直接复用 |
| 分层评估矩阵 | 同（经 MIMIC-IV 注释） | 直接复用 |
迁移语义：产线代码中"还原层"与"交叉校验"两个模块被归档而非删除——v1.0 后若出现偏移语义变化（版本治理），它们是现成的保险。
§6.12 记录时长分布的实证影响
预览版记录偏短（多数 <1.5 h；部分 >15 h）对三类研究的影响：短时窗任务（PPG-BP 片段抽取/心律检测）——完全够用甚至更高效（少下载）；中时窗任务（1-4 h 预警）——勉强，需精选长记录；长时程任务（24 h 轨迹/日节律）——不可行，等 v1.0 或回 486。论文选题前的第一件事：按 §3.9 普查时长分布，对照任务时窗——分布不匹配的任务换库，不硬做。
§6.13 "24 小时切片"边界的实证核查
§2.13 提到的天级批次切缝可用数据自检：对每记录首尾各 60 秒检查信号是否存在"人为截断特征"（信号在整日时刻附近骤断且无配置变更证据）。若切缝比例显著，长记录重建协议需加"跨批次边界拼接核查"步骤。预览版 200 记录的人工核查成本近乎为零——这正是预览版作为"架构验证场"的价值：把此类边界问题在 200 记录上穷尽，v1.0 的万级记录才能自动处理。
§7 AI 就绪指南与应用场景
§7.1 四种喂法
- 全量本地小库快跑：12.8 GB 全量入盘，快速迭代解析/对齐/训练全链路；
- 波形+MIMIC-IV 直连（DUA）：subject_id+共享偏移，最顺滑多模态原型；
- 250 Hz ECG 专项：高频形态/起搏脉冲/ST 细节——MIMIC-III 波形做不了的题；
- 测试床模式：200 记录当解析层回归测试集（对拍 EMBC 笔记本），产线 CI 集成。
§7.2 两段式迁移配方（预览版校准→v1.0 放量）
阶段 A（今天，v0.1.0）：
数据层：200 记录全量本地 → §4.2 索引 → §4.9 列映射表
解析层：wfdb-python(FLAC) + gzip CSV + ticks 换算——全部通过 §6.9 对拍
对齐层：§5.2 多采样率协议 + §4.6 共享偏移直连（DUA）
模型层：小规模端到端验证（过拟合 10 记录的自检→200 记录完整轮）
阶段 B（v1.0 发布日）：
换索引（枚举代码零改动）→ 分布重检（§6.2 提示的时长分布差异）
→ 功效重算 → 全量训练
验收闸门：阶段 A 的解析层在 v1.0 抽样记录上零修改通过
§7.3 TransfoRhythm 案例复盘
首个使用 MIMIC-IV Waveform 的公开方法学研究（arXiv 2404.15352）路径复盘：PPG 独立（无 ECG）血压估计 Transformer——数据清洗（<15 分钟剔除/平线高噪段剔除→360 条纯净记录）→ 滤波（Butterworth 0.7-10 Hz + 滑动平均）→ SDPPG 二阶导 12 特征 → 类平衡（低/高血压事件增广）。可借鉴点：预览版体量上的严谨清洗声明（200→360 条的口径演化全程公开）；需注意点：其"v2.0"指 MIMIC-IV 临床库版本语境（波形库本身 v0.1.0）——跨论文引用版本号时校对语义。该案例证明：预览版+方法学创新=可发表贡献，不必等 v1.0。
§7.4 成本与排期模板
| 阶段 | 工作 | 人日 | 门槛 |
|---|---|---|---|
| P0 环境与下载 | libFLAC/wfdb-python + 12.8 GB | 0.5 | 无 |
| P1 解析层+对拍 | §4.2-4.5 + EMBC 对拍 | 2-3 | 无 |
| P2 列映射+普查 | §4.9/§3.9 | 1-2 | 无 |
| P3 对齐协议 | §5.2 多采样率 | 2-3 | 无 |
| P4 DUA+直连验证 | §4.6/§6.3 | 5-15（含审批） | DUA |
| P5 端到端原型 | §7.2 阶段 A | 5-8 | — |
| 合计 | 16-32 人日 | 双轨 |
§7.5 公平性与域偏差声明
- 单中心：BIDMC 一家（与 MIMIC-IV 同域）——跨中心外推声明必写；
- 预览版选择偏倚：200 记录的入选机制未公开细节——按"非随机样本"保守声明；
- 记录偏短：多数 <1.5 h（TransfoRhythm 报告）——长时程任务（24 h 预警）在预览版上不可评估；
- 成人 ICU：无新生儿子集声明（MIMIC-III 波形含 NICU）——儿科结论不可迁移；
- 时代：2008-2019 采集期——设备代际偏倚与 486 相同量级。
§7.6 泄漏防控专项
198 患者的切分泄漏风险与 487 同构（人均 1.01 记录——泄漏面小于 matched，但同患者多记录实例确凿存在：p10039708 双记录）。专项规则：(1) 患者级切分强制；(2) 报告三 split 的患者绝对数（test≈20）；(3) DUA 阶段的标签穿越同 487 §7.6（出院诊断不可作输入）；(4) 与 MIMIC-IV 模块联合时，同一 subject_id 的一切模块数据只能落在该患者的单一 split——模块族互链越顺滑，跨模块泄漏越隐蔽。
§7.7 消融案例：250 Hz 的真实增益
PTT 特征（ECG R 波→PPG 波足时延）在本库的可检验优势：ECG 从 125→250 Hz 使 R 波定位时间分辨率从 8 ms→4 ms。消融设计：同一配对段、同一 PPG 通道，双采样率 ECG 版本各算 PTT→血压估计误差对比。预期：误差差值在 1-2 mmHg 量级（R 波定位误差占比小的任务）到显著（高心率/宽 QRS 场景）。方法学结论：250 Hz 的增益是"通道依赖"的——论文声明采样率优势时应给出对应通道的消融，而非笼统"更高更准"。
§7.8 多模态产线骨架（代码）
"""
MIMIC-IV Waveform 多模态产线骨架
设计原则：规模无关（200→10,000 零改码）+ 三代库可插拔
"""
class WaveformPipeline:
def __init__(self, index_csv, column_map):
self.index = pd.read_csv(index_csv) # §4.2（规模无关）
self.colmap = column_map # §4.9（列名语义层）
def stream(self, subject_ids):
for _, r in self.index[self.index.subject_id.isin(subject_ids)].iterrows():
hdr = wfdb.rdheader(r.record_id, pn_dir=r.pn_dir)
yield {'meta': r, 'hdr': hdr} # base_datetime/counter_freq
def to_grid(self, wave, numerics, grid_hz=125):
# §5.2：多采样率→统一网格；numerics 事件流→前向保持
...
def attach_clinical(self, sample, mimici4):
# §4.6：subject_id 直连 + base_datetime 直比（共享偏移，无还原层）
...
§7.9 消融案例：numerics 网格化策略
同一预警模型两组输入：(a) numerics 事件流前向保持（保留测量时刻语义）；(b) 线性插值到 1 Hz 网格（“看起来整齐”）。预期：低频测值（NIBP 每 15-60 分钟）在 (b) 下产生大量插值伪测值——模型把"插值平台"当真实血压平台学习，验证集虚假稳健、外部数据崩溃。结论：事件流网格化策略是多模态论文的新审查点（MIMIC-III 时代"1 Hz 网格"是库级默认，MIMIC-IV 时代它是一个研究者的选择——选择就要辩护）。
§7.10 报告与复现包模板
repro_package/
├── data/
│ ├── mimic4wdb_index.csv # §4.2 索引（可公开）
│ ├── column_map.json # §4.9 列映射（可公开）
│ └── QUALITY_PROFILE.md # §3.9 分层
├── src/
│ ├── enumerate_records.py # 规模无关枚举
│ ├── ticks_time.py # counter_freq 换算（唯一时间真源）
│ ├── multirate_align.py # §5.2
│ └── mimic4_join.py # §4.6（DUA 环境专属）
├── tests/
│ └── test_embc_parity.py # §6.9 教程对拍（CI 强制）
├── docs/
│ ├── DUA_COMPLIANCE.md
│ └── CALIBER_NOTES.md # §3.2 口径存照（200 vs 10,000）
└── results/
└── ablation_250hz.csv # §7.7
§7.11 教程对拍测试（解析层 CI）
def test_embc_parity():
"""解析层回归测试：与 EMBC 笔记本同记录同输出（CI 强制）"""
# 用官方教程引用的样例记录（如 p10039708/83411188）
hdr = wfdb.rdheader('83411188', pn_dir=TEST_PN_DIR)
assert hdr.counter_freq == 999.52
assert hdr.base_datetime is not None
n = read_numerics_local('83411188', cols=('SpO2 [%]',))
# 笔记本首行输出对拍（示例语义）：首个 SpO2 事件时间/值一致
t0, v0 = n['SpO2 [%]'][0]
assert t0 == EXPECTED_T0 and v0 == EXPECTED_V0
# FLAC 解码对拍：波形首 1000 样本与笔记本缓存逐字节一致
...
# 任何解析层改动必须过此测试——预览版新格式的"悄悄错误"防线（§6.9）
§7.12 v1.0 兼容性编码规范
规模断言集中化：所有 "200"/"198" 只出现在 config.py（记录数断言/清单哈希）
枚举数据驱动：record 列表来自 RECORDS 文件解析，不硬编码
列映射外置：column_map.json 版本化（v1.0 后重普查即可）
时间真源唯一：ticks 换算函数全局单点（禁止散落 timedelta）
命名适配器化：enumerate/parse 按库类型注入（三代库可插拔）
切分函数复用：patient_split(subject_id) 与库无关
验收：v1.0 抽样 20 记录 → 解析层零修改通过 → 全量切换
§8 伦理、许可与合规
§8.1 许可结构
| 资产 | 许可 | 门槛 | 义务 |
|---|---|---|---|
| 波形+numerics（本库） | ODbL v1.0 | 无 | 署名引用；ODbL 传染性 |
| MIMIC-IV 临床模块 | PhysioNet DUA | CITI+机构协议 | 禁再识别/禁转分发 |
| 联合产物 | 双许可叠加 | — | 按数据来源分别遵守 |
§8.2 引用与致谢模板
波形数据：Moody B, Hao S, Gow B, Pollard T, Zong W, Mark R. MIMIC-IV Waveform Database (version 0.1.0). PhysioNet, 2022. doi:10.13026/a2mw-f949。
临床数据：Johnson A, Bulgarelli L, Pollard T, Horng S, Celi LA, Mark R. MIMIC-IV (version 2.0). PhysioNet, 2022. doi:10.13026/7vcr-e114（经 PhysioNet DUA 获取，CITI 认证编号 [填写]）。
工具：WFDB Software Package 10.7.0（doi:10.13026/gjvw-1m31）；wfdb-python 3.4.1（doi:10.13026/egpf-2788）。
伦理声明：数据收集经 BIDMC 与 MIT IRB 批准并豁免个人知情同意；本研究未尝试任何再识别。
§8.3 再识别风险的显式讨论
本库去标识三件套：subject_id/hadm_id 代理体系（与 MIMIC-IV 共享）、代理日期（共享偏移）、记录内 elapsed time 计时。与 487 相同的侧信道风险结构（公开波形+受控临床的拼接风险），缓解亦同（DUA 门禁+再识别禁令）。新增风险点：共享偏移意味着"从临床库的偏移量可推波形代理日期"（同患者）——但两库都在 DUA/去标识体系内，该一致性恰是设计目标；风险边界在于禁止把偏移量本身用于库外身份关联。使用者义务与 487 §8.3 一致：不发布缩小个体范围的衍生索引。
§8.4 合规环境核查清单（DUA 阶段）
- [ ] CITI 人体受试者保护培训证书在有效期内（全员）
- [ ] 机构 DUA 已签署并归档（覆盖 MIMIC-IV 全模块）
- [ ] 临床模块数据（Hosp/ICU 等）仅存于隔离环境（与公开波形侧物理/逻辑分离）
- [ ] 共享偏移验证报告（§6.3）已存档——作为"直接对齐"的合规依据
- [ ] 衍生产物分级：仅波形衍生→ODbL 可公开；含临床数据→DUA 约束、不外传
- [ ] 论文数据可用性声明含 CITI 编号与访问途径（§8.2 模板）
- [ ] 团队成员变动时的访问回收流程
- [ ] 禁止再识别与禁止转分发的培训记录
双轨纪律：波形侧（ODbL）环境与临床侧（DUA）环境的分离不是形式主义——它是"教学在开放侧、科研在受控侧"生态分工的技术保障；一旦两侧数据在同一环境混合，整个环境的合规等级按最高约束计算。
§9 常见问题（FAQ）
Q1 MIMIC-IV Waveform 和 MIMIC-III Waveform 什么关系？
不是简单升级，是架构重设计（多采样率/FLAC/CSV numerics/共享偏移/模块化互链）。数据采集期也不同（MIMIC-IV 期 2008-2019 vs MIMIC-III 期 2001-2012）。
Q2 为什么只有 200 条记录？
v0.1.0 是技术预览版（官方原文 technical preview），先让社区验证架构，v1.0.0 预告约 10,000 记录。
Q3 v1.0 什么时候发布？
官方仅说"shortly"（2022 年口径）；截至本文核查（2026-09）PhysioNet 版本列表仍为 0.1.0。以官方页面为准，勿引用预告当现状。
Q4 250 Hz 和 125 Hz 差在哪？
本库按信号物理特性分率：ECG 250 Hz（形态细节）、PPG/ABP 125 Hz、Resp 62.5 Hz。MIMIC-III 波形统一 125 Hz。
Q5 counter ticks 是什么？
监护仪内部计数器时间（999.52 Hz≈1 ms/tick）。换算：seconds=t/counter_freq，再加 base_datetime 得挂钟时间。单调、无墙钟跳变。
Q6 numerics 为什么改成 CSV？
承认测值的不规则采样本质（NIBP 每 5-60 分钟、SpO2 每 1.024 秒）——事件流比假网格更诚实。代价是列名跨患者不同、需自建映射。
Q7 FLAC 压缩会损失数据吗？
不会。FLAC 是无损压缩（-8 -r8 -e 参数），解压逐样本一致。只是读取工具需支持（wfdb-python 3.4.1+ 自动处理）。
Q8 代理日期和 MIMIC-IV 一致是什么意思？
同一患者加同一随机偏移——波形 base_datetime 与临床 charttime 直接可比，无需还原层（MIMIC-III 家族需要）。
Q9 记录名怎么解读？
waves/p100/p10014354/81739927：p100=subject_id 前三位分桶；p10014354=8 位 subject_id；81739927=8 位记录号。同患者多记录同居一目录。
Q10 numerics 的时间怎么换算？
官方示例：t=int(row['time']); seconds=t/header.counter_freq; dt=header.base_datetime+timedelta(0,seconds)。
Q11 能和 MIMIC-III 波形库混用脚本吗？
解析层不行（FLAC/CSV/ticks/命名三套体系）；模型层可以。分库适配器+统一内部 schema 是正解。
Q12 需要下载全量吗？
12.8 GB——预览版的奢侈：全量本地可行。也可 pn_dir 流式按需读。
Q13 有官方教程吗？
IEEE EMBC 2022 workshop 笔记本（mimic.mit.edu）+ wfdb.io/mimic_wfdb_tutorials。笔记本可执行、可当回归测试基准。
Q14 DUA 是给谁的？
波形侧 ODbL 不需要；MIMIC-IV 临床模块（Hosp/ICU 等）需要（CITI+签署）。联合分析才用 DUA。
Q15 同一患者有多条记录吗？
有。p10039708 有 83411188 与 85583557 两条——多次监护会话。切分按 subject_id。
Q16 TransfoRhythm 是什么？
首个用本库的公开方法学研究（arXiv 2404.15352）：PPG 独立血压估计 Transformer，198 人清洗后 360 条纯净记录。证明预览版可发方法学论文。
Q17 和 MIMIC-IV-ECG 什么分工？
MIMIC-IV-ECG=独立 10 秒 12 导诊断级静息 ECG（数百万条）；本库=床旁连续多参数监护波形。诊断任务用前者，血流动力学/多模态用后者。
Q18 gap 拆分规则还在吗？
在。gap>1 小时自动拆分（防跨患者混入），与 MIMIC-III 波形同逻辑。
Q19 引用 DOI 用哪个？
本库 10.13026/a2mw-f949（v0.1.0）；MIMIC-IV 10.13026/7vcr-e114（v2.0）；工具链 DOI 见 §8.2。
Q20 采样率 1.024 秒节拍是什么？
HR/SpO2 等派生测值按监护仪内部 1.024 秒节拍产出（非整 1 秒）——跨库对齐 numerics 时间粒度时注意 2.4% 节拍差。
Q21 可以做新生儿研究吗？
本库无新生儿子集声明（MIMIC-III 波形含 NICU）。儿科结论不可迁移。
Q22 记录一般多长？
预览版记录偏短：多数 <1.5 小时、部分多记录 >15 小时（TransfoRhythm 报告）。长时程任务等 v1.0。
Q23 怎么验证解析代码正确？
与 EMBC 笔记本对拍（同一记录同一输出）——官方参照实现即回归测试基准（§6.9）。
Q24 偏移量能从波形侧反推吗？
禁止尝试（再识别禁令）。共享偏移的设计目标是库内对齐，不是库外身份关联（§8.3）。
Q25 和 VitalDB 比怎么选？
手术室人群/VitalDB；ICU 人群+MIMIC-IV 生态互链/本库。多中心比较两者都进。
Q26 训练集怎么切？
按 subject_id（198 人 80/10/10）——test 约 20 人，报告必须给绝对数。
Q27 250 Hz ECG 能分析起搏脉冲吗？
可以——250 Hz 是本库相对 MIMIC-III 波形（125 Hz）的核心优势之一（高频形态细节）。但注意部分起搏脉冲更宽，需逐案验证。
Q28 能跑大规模预训练吗？
预览版体量不支持（200 记录）。预训练用 486 主库（67,830 组），本库做架构校准。
Q29 患者级泄漏怎么防？
同患者多记录+DUA 模块联合是两大泄漏面——subject_id 全域一致性切分（§7.6）。
Q30 base_datetime 是真实时间吗？
是代理时间（随机偏移后）。真实日期被抹除；患者内相对时序完整（共享偏移保证与 MIMIC-IV 一致）。
Q31 12.8 GB 是压缩前还是后？
官方口径"Total uncompressed size: 12.8 GB"——未压缩总量（FLAC 文件解压后）。下载体积更小。
Q32 segment 之间有 gap 吗？
可能有（监护中断/配置变更）。按 master header 样本坐标遍历（含空档 segment），禁止按文件顺序连字节。
Q33 能和 MIMIC-CXR 联用吗？
经 subject_id/hadm_id 理论可联（模块族设计）——但时间对齐（胸片时刻 vs 波形时刻）需自行验证覆盖度，无官方联合协议。
Q34 论文数据可用性声明怎么写？
波形：公开（ODbL，DOI）；MIMIC-IV 模块：受控（DUA+CITI 编号）；代码：复现包+EMBC 对拍测试。三段式。
Q35 为什么说本库是"蓝图"？
200 记录=样板间，展示新架构全部语义（多采样率/FLAC/CSV/ticks/共享偏移）——今天在 12.8 GB 上调通产线，v1.0 放量日即切换日（§1.9/§7.2）。
Q36 工具链最低版本？
WFDB Software Package 10.7.0（libFLAC 前置）；wfdb-python 3.4.1+。旧版读 FLAC 报 unknown format。
Q37 列映射表怎么做？
普查 200 条 numerics 的列名并集/频次→标准列+语义等价类（§4.9）。这是 v1.0 前的一次性资产。
Q38 段内采样率一致吗？
WFDB 约束单 segment 内各通道同 fs；跨 segment 可不同（多采样率体系）——逐段读 .hea 的 fs。
Q39 能复现 MIMIC-III 波形上的模型结果吗？
数据分布不同（时长/人群期/采样率）——同架构重训可、结果数值不可期待一致。跨库比较需显式声明（§6.7）。
Q40 有 AWS 镜像吗？
有（PhysioNet Open Data）。按需拉取比 wget 全量更省带宽。
Q41 记录时长怎么算？
master header 的 seg_len 累加/fs。注意段间空档（~ segment）计入时间轴。
Q42 QRS/ST/QT 派生值在波形里吗？
不在波形文件里——那些是监护仪派生 numerics（CSV 列）。波形里只有原始信号；派生值可作交叉校验。
Q43 怎么统计人均记录数？
索引表 groupby subject_id。v0.1.0 人均 1.01（200/198）——v1.0 预计上升。
Q44 预览版会撤下吗？
PhysioNet 版本页保留所有版本——v1.0 上线后 0.1.0 仍可引用（历史论文可复现）。
Q45 和 MIMIC-III 波形库的记录能配对吗？
不能。采集期不同（2001-2012 vs 2008-2019）、患者 ID 体系不同——两库无患者重叠映射。跨库是"方法学比较"不是"样本合并"。
Q46 共享偏移下波形和临床的时刻完全一致吗？
同一偏移量意味着可比，但监护仪内部时钟与病历系统时钟存在设备级偏差（分钟级）——联合分析仍建议保留 §6.3 的自洽抽检，设备时钟漂移是物理现实。
Q47 1.024 秒节拍怎么对齐到 1 秒网格？
就近对齐（最近邻），最大漂移 0.512 秒——在方法学里声明漂移上界即可；需要亚秒精度的任务直接用 ticks 原生时间轴。
Q48 为什么 numerics 列名各不相同？
监护仪按实际配置输出测值（有的患者有 CVP/ICP，有的没有）——事件流如实反映配置差异。列映射表（§4.9）+ 语义等价类是标准解。
Q49 v1.0 发布后本文协议还有效吗？
有效——协议按"规模无关+适配器化"编写（§7.12），v1.0 主要是记录数增加与可能的列名扩展；核心语义（多采样率/FLAC/CSV/ticks/共享偏移）预计稳定。
Q50 预览版论文的审稿风险点？
功效质疑（198 人）——用"方法学论文"定位+§6.1 语境防御；版本时效（v1.0 未出）——用 DOI 精确引用+复现包防御。两者都有先例（TransfoRhythm）可引。
Q51 天级切片会切断我的记录吗？
解析整合后的记录是连续时间轴的（切片发生在归档层，解析时已按 PatientId+时间重组）；边界核查（§6.13）是完备性加分项而非必需项。
Q52 这个库适合课程教学吗？
非常适合：12.8 GB 单机全量+官方笔记本+ODbL 零门槛——数据工程/生理信号课程的理想教材；学生可完整经历"下载→解析→对齐→建模"全链路而不碰任何合规红线（教学阶段不出波形侧）。
Q53 波形侧能发衍生可视化/基准网站吗？
能（ODbL 允许衍生与再分发，同许可传染）——但不得附加缩小个体范围的信息（§8.3），并保留 PhysioNet 署名与 DOI 链接；基准网站建议同时发布评测脚本保证可复现。
Q54 报告里写"MIMIC-IV Waveform 包含约 10,000 条记录"对吗？
不对——这是预告值。正确表述：“v0.1.0 技术预览版包含 200 条记录（198 名患者）；官方预告 v1.0.0 将扩展至约 10,000 条记录”。现状与预告分开陈述（§3.2 口径纪律）。
Q55 怎么快速看一条记录里有什么信号？
读 master header 的 sig_name（全部可能信号）+ 逐 segment 的 sig_name（实际出现的）——两者差异即"声明但未启用"的通道。PhysioBank ATM 网页版可直接可视化，零代码快速目检；脚本化清点用 §4.2 索引+§4.3 header 读取，200 条记录秒级完成。
§10 存照与溯源
§10.1 口径存照
| 声明数字 | 口径 | 源 |
|---|---|---|
| 200 / 198 | v0.1.0 记录/患者数 | 官方页面+release notes |
| 12.8 GB | 未压缩总量 | PhysioNet Files 页 |
| 2022-07-10 | v0.1.0 发布日 | PhysioNet Versions |
| 约 10,000 | v1.0.0 预告规模（非现状） | 官方 release notes 原文 |
| 10.13026/a2mw-f949 | v0.1.0 DOI | 官方页面 |
| 10.13026/6269-ws81 | latest 概念 DOI | 官方页面 |
| 250/125/62.5 Hz | ECG/PPG·ABP/Resp | wfdb.io 教程 |
| 999.52 Hz / 1.024 s | counter_freq / 派生节拍 | wfdb.io 教程 |
| FLAC -8 -r8 -e / dictzip | 压缩参数 | 官方页面 |
| 共享偏移（matches MIMIC-IV） | 去标识语义 | 官方页面原文 |
| ODbL v1.0 / IRB 豁免 | 许可/合规 | 官方页面 |
| MIMIC-IV v2.0 parent | 上游（7vcr-e114） | 官方 Parent Projects |
| 多数 <1.5 h / 360 条纯净记录 | TransfoRhythm 口径 | arXiv:2404.15352 |
| p10039708 双记录示例 | 命名/多次会话实例 | wfdb.io formatting 页 |
| counter_freq=999.52 Hz 实测断言 | §7.11 对拍测试基线 | EMBC 笔记本 |
| 无新生儿子集 | 人群范围声明 | 官方页面（成人 ICU 语境） |
§10.2 引文清单
- Moody B, Hao S, Gow B, Pollard T, Zong W, Mark R. MIMIC-IV Waveform Database (version 0.1.0). PhysioNet, 2022. doi:10.13026/a2mw-f949
- Johnson A, Bulgarelli L, Pollard T, Horng S, Celi LA, Mark R. MIMIC-IV (version 2.0). PhysioNet, 2022. doi:10.13026/7vcr-e114
- Xie C, McCullum L, Johnson A, Pollard T, Gow B, Moody B. Waveform Database Software Package (WFDB) for Python (version 3.4.1). PhysioNet, 2021. doi:10.13026/egpf-2788
- Moody G, Pollard T, Moody B. WFDB Software Package (version 10.7.0). PhysioNet, 2022. doi:10.13026/gjvw-1m31
- Goldberger AL, et al. PhysioBank, PhysioToolkit, and PhysioNet. Circulation 2000;101(23):e215-e220
- TransfoRhythm: A Transformer Architecture Conductive to Blood Pressure Estimation via Solo PPG Signal Capturing. arXiv:2404.15352（2024）
- Charlton P, et al. MIMIC-IV Waveform IEEE EMBC Workshop tutorial materials. mimic.mit.edu, 2022
- wfdb.io. MIMIC Waveform tutorials: Database Structure / Waveform Data Formats（访问日期 2026-09-20）
§10.3 与本系列其他条目的关系
| 条目 | 关系 |
|---|---|
| 486 MIMIC-III Waveform Database | 前代波形主库：大样本训练主力；本库是架构继任者 |
| 487 MIMIC-III Waveform Matched | 前代匹配桥：偏移还原协议在本库被共享偏移取代 |
| 490 MIMIC-III Clinical Database | 前代临床库（与本库无互链） |
| 492 MIMIC-IV | parent project：subject_id/hadm_id/偏移的上游；模块族中枢 |
| VitalDB | 横向对照：手术室人群；多中心比较素材 |
| MIMIC-IV-ECG | 同族分工：诊断级静息 ECG vs 本库连续监护波形 |
| MIMIC-IV-ED / MIMIC-CXR / Note | 模块族延伸：经 subject_id/hadm_id 可联（覆盖度自验） |
§10.4 变更日志
| 日期 | 事项 |
|---|---|
| 2022-07-10 | v0.1.0 发布（DOI 10.13026/a2mw-f949；200 记录技术预览） |
| 2022-07 | IEEE EMBC workshop 教程发布 |
| 2026-09-20 | 本条目完成事实核查与撰写（千方病案医数集 order 488）；核查时点版本列表仍为 0.1.0 |
| 持续 | v1.0.0 路线图跟踪（约 10,000 记录）；发布后按 §7.2 两段式迁移 |
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：
- mimic3wdb — 共享标签：生理信号 / 电子健康记录
- mimic3wdb-matched — 共享标签：生理信号 / 电子健康记录
- shhs — 共享标签：生理信号 / 电子健康记录
- mros-sleep — 共享标签：生理信号 / 电子健康记录
- nsrr — 共享标签：生理信号 / 电子健康记录
- pulsedb — 共享标签：生理信号 / 电子健康记录
- sicdb — 共享标签：生理信号 / 电子健康记录
- mc-med — 共享标签：生理信号 / 电子健康记录
- cinc-2015 — 共享标签：生理信号 / 电子健康记录
- mover — 共享标签：生理信号 / 电子健康记录
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。
