VTaC — ICU 床旁监护仪室性心动过速报警专家双标注基准

INFOBOX — VTaC 一屏速览

维度	内容
本质	ICU 床旁监护仪触发的室性心动过速（VT）报警专家双标注基准——波形+标签，不含 EHR
团队	MIT（Li-wei H. Lehman 通讯，Moody/Mark 等 9 人）+ Emory/GT（Clifford、Qiao Li）；NIH R01 EB030362 资助
论文	NeurIPS 2023（37th）Datasets and Benchmarks Track；代码库 github.com/ML-Health/VTaC
数据	5,037 条 VT 报警事件 / 2,260 名患者；每条 6 分钟波形段（报警前 5 min + 后 1 min），≥2 ECG 导联 + PPG/PLETH 与/或 ABP，250 Hz，WFDB
来源	美国三所大型医院 ICU（未点名）× 三个主流监护仪厂商（未点名）；采集 2013-2022；与 Challenge 2015 数据不重叠
标注	6 人标注团队（含 40+ 年经验认证心律技师）；每条 ≥2 人独立标注 + 仲裁；标注平台 PhysioTag
数字链	底层池 20,158 条记录 → 抽取 18,465 事件/2,376 患者 → 送标 5,742 → 一致 4,534（78.96%）→ 仲裁 816 → 剔除后 5,037
类平衡	真报警 1,441（28.61%）vs 假报警 3,596（71.39%）
基准结果	real-time：FCN Challenge Score 80.08±2.46、AUC 0.949；2015 规则基线仅 67.32；retrospective 最优 FCN+CL 78.95；生成式全线 41-53 分
官方划分	train 4,060 / val 495 / test 482 条（80-10-10，按患者记录级切分防泄漏）
获取	PhysioNet Open Access 直链，license CC BY-SA 4.0，无需 credentialed/DUA
库内互链	cinc-2015（任务与指标前身）、mimiciii（MIMIC-II 1,900 条前代 VT 语料）、eicu-crd（补临床数据）、mimic3wdb/vitaldb（ICU 波形同门）

VTaC 是一个"给 ICU 报警器装上裁判"的数据集：监护仪天天喊狼来了，七成喊出来的室性心动过速（VT，ventricular tachycardia）报警其实是假的，而 VT 恰恰是漏掉会死人的那种。VTaC 把三所美国大型医院 ICU 里床旁监护仪触发的 5,037 条 VT 报警连人带波形一起请进实验室——每条报警都带着报警前后各几分钟的多导联心电图（ECG）、脉搏波形（PPG/PLETH）与动脉血压波形（ABP），并由至少两名独立专家逐条判定"真室速还是假警报"，分歧再交仲裁。它把 PhysioNet Challenge 2015 只有一百来条训练报警的旧基准放大了一个数量级，成为假报警消除（false alarm reduction）研究的新事实标准。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——Open Access + CC BY-SA 4.0，PhysioNet 直接下载，没有任何门槛。
2. 关心标注质量：直奔 §3 标注流水线与 §4 数字链——78.96% 双标注一致率、五档裁决选项、仲裁流程都在那里。
3. 做报警算法评测：直奔 §5 基准实验——FCN 80.08 分的天花板、rule-based 67.32 分的地板、官方 train/val/test 划分可直接对标。

§0 导读：这个数据集解决什么问题

ICU 的床旁监护仪是医院里最吵的设备。文献报道心律失常报警占 ICU 全部报警的约 45%，而其中相当大比例是假报警——导联松脱、患者翻身、肌电干扰都会让波形"看起来像"一次恶性心律失常。这种噪声洪流催生了报警疲劳（alarm fatigue）：护士对警报脱敏，真正的致命心律失常反而可能被淹没。在所有危及生命的心律失常里，VT 报警最常出现、也最难判——信号噪声和非致死性心律（如房颤）在监护导联上都能伪装成 VT。

假报警消除不是新问题。2008 年 Aboukhalil 等用 MIMIC-II 的 1,900 条标注 VT 报警做了开山工作；2015 年 PhysioNet/CinC Challenge 以"Reducing False Arrhythmia Alarms in the ICU"为题组织了公开竞赛，但它的 VT 子集只有训练集 341 条 + 测试集 221 条。此后十余年，这一领域的算法进步始终被困在小而同质的旧数据里——单一医院、单一厂商、几十到几百条报警，模型的泛化能力无从谈起。

VTaC 的回答是把整个基准重做一遍：规模放大到 5,037 条专家终审报警（约 Challenge 2015 VT 语料的 9.4 倍）；来源扩到三所医院、三个监护仪厂商（多中心 + 多设备，专治过拟合到某家医院某台机器的老毛病）；模态配齐 ECG + PPG/PLETH + ABP（多模态正是 2015 年 Challenge 得出的核心经验——血压波形能证伪心电波形）；标签协议升级为每条至少两名独立专家 + 仲裁（旧库多为单人标注）。配套地，论文在同一数据上系统评测了监督学习（MLP/CNN/FCN/Transformer）、对比学习和生成式（GAN/Diffusion）五大类方法，给出了这条赛道上第一个大样本量、多方法的公平基准线。

§0 读法三则：

1. 这个条目是"数据集+基准+论文"三合一：本体是 PhysioNet 上的 WFDB 波形库，衍生品是一套官方 train/val/test 划分与基线分数，副产品是一个开源标注平台 PhysioTag——三者入口不同（§6）。
2. 全文数字均出自论文 PDF 与 PhysioNet 官方页；两条口径易混处（事件窗口 10 分钟 vs 6 分钟、患者记录数 2,376 vs 2,260）已在坑 2 与坑 3 存照。
3. 检索时注意 VTaC 的 a 是小写：全大写 VTAC 会命中若干不相关的缩写（血管通路等），论文与 PhysioNet 均用驼峰式 VTaC（坑 1）。

§1 数据集速览：十问十答

Q1：VTaC 里的"一条数据"长什么样？
一条患者波形记录里的一个报警事件。发布版每条事件是 6 分钟的 WFDB 多通道波形段：报警触发点位于第 5 分钟标记处，前 5 分钟 + 后 1 分钟。通道至少两导 ECG，外加一条或多条脉搏波形（PPG/PLETH 光体积描记或 ABP 动脉血压），全部统一重采样到 250 Hz。

Q2：数据从哪来？
三所美国大型医院（官方未点名）多个 ICU 的床旁监护仪，设备来自三个主流厂商（官方未点名）。底层波形池是 2013-2022 年采集的 20,158 条连续多通道记录，平均每条患者记录 4.5 天。

Q3：5,037 这个数怎么算出来的？
流水线四级漏斗：先从池中抽出 2,376 个含 VT 报警的患者记录、共 18,465 个报警事件；每个记录随机最多取 5 个事件送标注（防单患者过度代表），得到 5,742 条；双标注一致 4,534 条、冲突 1,208 条，其中 816 条经仲裁定案、392 条弃用，剩 5,350 条有最终决定；再剔除 Reject/Uncertain 共 313 条，终版 5,037 条。

Q4：谁标的，有多可靠？
六人标注团队：一位 40 年以上判图经验的 board certified 心律失常技师、一位心律失常专家医师、三位临床医师和一位心律方向信号处理工程师。每条事件至少两人独立标注，一致率 78.96%；冲突走一对一讨论或仲裁人投票。标注在开源平台 PhysioTag 上完成。

Q5：标签分布如何？
真报警 1,441 条（28.61%），假报警 3,596 条（71.39%）。这个 71% 的假报警占比是刻意保留的真实 ICU 比例——它让类不平衡成为基准的一部分，而不是被人为洗成均衡集。

Q6：官方划分怎么切？
benchmark_data_split.csv 给出 80-10-10 划分：train 4,060 条（1,808 名患者）、validation 495 条（226 名患者）、test 482 条（226 名患者）。切分在患者记录级别进行——同一名患者的报警不会同时出现在训练与测试集，防止患者级信息泄漏。

Q7：能直接跑出论文分数吗？
官方代码库 ML-Health/VTaC 提供预处理（滤波+标准化）、五类模型实现与训练评估脚本。注意按事件 z-score 标准化、ECG 1-30 Hz 带通 + 60 Hz 陷波等预处理配方都写死在脚本里，改动会直接影响与论文分数的可比性。

Q8：基线分数是多少？
real-time 设置下，2015 Challenge 获奖规则算法（Plesinger 实现）Challenge Score 67.32；表现最好的全卷积网络（FCN）80.08±2.46，AUC 0.949±0.006；retrospective 设置（可看报警后 5 秒数据）最优是 FCN+对比学习 78.95±1.41。这条"67 到 80"的赛道就是 VTaC 留给后续工作的提升空间。

Q9：有没有患者隐私风险？
波形经去标识处理：所有记录名与事件名替换为随机代理名，剔除患者姓名、日期与病历号等 PHI；MIT 与各参与机构 IRB 批准，豁免个人知情同意。局限是波形不附带任何临床诊断信息——想做波形-EHR 融合要自己另外链接 eicu-crd 或 MIMIC。

Q10：和 Challenge 2015 数据重叠吗？
不重叠。论文明确声明本数据集收集截至 2022 年且与 PhysioNet Challenge 2015 数据集零交集——所以 VTaC 是 2015 基准的加宽加深版，而不是它的续集补丁，二者可作独立的外部验证集互相检验。

§2 数据构成与规格

2.1 本体三层结构

VTaC 发布包是"波形 + 标签表 + 划分表"三层结构，全部走 PhysioNet Open Access 直链：

层	内容	格式
波形本体	waveforms/ 文件夹，按患者波形记录分子文件夹，每个子文件夹 ≤5 个报警事件记录，每条事件 6 分钟多通道波形段	WFDB（.hea 头文件 + .dat 信号文件），PhysioNet 推荐波形格式
终审标签	event_labels.csv：record（患者记录名）、event（事件名）、decision（终审决定 true/false）	CSV，每行一条事件
官方划分	benchmark_data_split.csv：论文所用 train/validation/test 划分	CSV，与 [10] 实验一致

所有信号统一重采样到 250 Hz，通道命名对齐 PhysioNet Challenge 2015 数据库的 nomenclature（II、III、ABP、PLETH 等）——老用户拿到手零迁移成本。

2.2 波形通道构成

每条事件的通道数不固定，构成规则为"≥2 ECG 导联 + ≥1 条脉搏波形"：

通道类型	说明	论文预处理配方
ECG（≥2 导联）	监护导联心电图	60 Hz 陷波 + 1 Hz 高通 + 30 Hz 低通
PPG/PLETH（≥0）	光体积描记脉搏波	60 Hz 陷波 + 0.5-5 Hz 带通
ABP（≥0）	动脉血压有创波形	去离群 + 按事件按通道 z-score 标准化

多模态是本库的方法论底色：2015 年 Challenge 的核心经验之一是单一 ECG 导联在噪声下极易误判，而 ABP/PPG 脉搏波形提供了"心脏到底有没有真正机械性搏动"的独立证据——VTaC 把这一配比做成了数据集的默认结构。训练脚本按事件对每通道做 z-score 标准化（用事件自身的均值与标准差），这是复现论文分数的必要步骤。

但多模态不是均匀配给的。论文 Table 3 给出了各通道在事件层面的实际覆盖率：

通道	事件覆盖率（Overall）	Train	Val	Test
ECG	100%	100%	100%	100%
PLETH（PPG）	90.6%	90.42%	89.83%	92.32%
ABP	35.7%	35.6%	36.5%	35.6%

两点推论：第一，"≥1 条脉搏波形"主要由 PLETH 供给，有创 ABP 依赖置管指征、天然稀缺——这与 MIMIC II 语料形成鲜明对比（后者 ABP 覆盖率高得多，源于其采样标准），直接导致了生成式模型在 VTaC 上失灵（§5.5）；第二，任何多模态融合模型都必须把"ABP 可能缺席"当作常态设计输入管道，而不是例外处理。同表还给出 %True 的跨 split 稳定性：Overall 28.61% / Train 28.65% / Val 28.90% / Test 28.48%——分层近乎完美保持，划分质量过硬。

2.3 规格硬数字一览

维度	数值
终版报警事件	5,037 条（train 4,060 / val 495 / test 482）
唯一患者波形记录	2,260 条（train 1,808 / val 226 / test 226）
真报警 / 假报警	1,441（28.61%）/ 3,596（71.39%）
送标注事件	5,742 条（双标注一致 4,534 / 冲突 1,208 → 仲裁 816 / 弃 392）
抽取池	18,465 事件 / 2,376 患者记录（每记录 ≤5 事件）
底层连续波形池	20,158 条记录（2013-2022，平均 4.5 天/记录）
事件段窗口	6 分钟（报警前 5 min + 后 1 min；onset 在第 5 分钟标记处）
采样率	统一 250 Hz
通道	≥2 ECG 导联 + ≥1 脉搏波形（PPG/PLETH 与/或 ABP）
标注团队	6 人（40+ 年技师 + 专家医师 + 3 临床医师 + 1 信号工程师）
双标注一致率	78.96%（4,534/5,742）
医院与厂商	三所美国大型医院 × 三个主流厂商（均未点名）
标注平台	PhysioTag（开源，CinC 2022 发表）
license	CC BY-SA 4.0，Open Access

2.4 DAIMS 评估

维度	评分	依据
D 可发现性	★★★★★（5/5）	PhysioNet 收录 + RRID:SCR_007345 + 数据 DOI（10.13026/8td2-g363）+ NeurIPS 论文 + GitHub 代码库，四路检索均可命中
A 可获取性	★★★★★（5/5）	Open Access 免注册直链下载（wget/PhysioNet 客户端均可），无需 credentialed 或 DUA；CC BY-SA 4.0 允许商用衍生（share-alike 约束除外）
I 可互操作	★★★★☆（4/5）	WFDB 标准格式 + Challenge 2015 通道命名对齐 + wfdb-python 一行加载；扣一星在事件级标签表与波形文件的键接依赖代理名对应，跨库链接（如回 eicu-crd 患者身份）已被去标识切断
M 元数据	★★★☆☆（3/5）	有记录级元数据（通道、采样率、onset 位置约定）与标签表；缺患者级临床元数据（年龄、诊断、结局均无，作者自曝）；医院与厂商匿名化使分层分析不可能
S 可持续性	★★★★☆（4/5）	PhysioNet 永久托管 + 版本化（v1.0）+ DOI 引用路径清晰 + MIT LCP 长期维护传统；扣一星在单版本发布后社区生态（第三方复现榜单）尚未成型

2.5 与同类 ICU 波形资源的规模对照

资源	VT 报警语料	访问	备注
PhysioNet Challenge 2015	训练 341 + 测试 221 条	Open Access	VTaC 的任务与指标前身；真实/假标签来自匿名专家委员会
MIMIC-II（Aboukhalil 2008）	1,900 条	已被 MIMIC 系谱取代	假报警消除开山语料，单源
VTaC	5,037 条	Open Access（CC BY-SA 4.0）	三医院三厂商、双标注+仲裁、官方划分与基线齐备

论文 Table 2 还比较了四者的 Open Access 属性：Challenge’15 训练集开放、测试集当年隐藏、MIMIC II 需 credentialed、VTaC 全开放——在"规模×开放度"的二维平面上，VTaC 同时占住右上角。

§3 标注流水线：双标注、四选项、仲裁制

3.1 平台与团队

标注在 PhysioTag 上完成——这是 MIT LCP 团队自研的开源浏览器协作标注平台（McCullum 等，Computing in Cardiology 2022；PhysioNet 亦有 v1.0.0 软件发布，doi:10.13026/g06j-3612），支持多人在 Web 端对长程波形分段打标。硬件投入之外，这套平台本身就是 VTaC 的方法学产出之一：任何团队可以复用 PhysioTag 搭建自己的波形标注流水线。

标注团队六人，构成刻意混编：一位 40 年以上判图经验的 board certified 心律失常技师（团队的中坚，承担大量初标与复核）、一位心律失常分析专家医师、三位临床医师、一位心律方向生物医学信号处理工程师。事件被随机分批派给标注者，避免批内相关性。

3.2 四档选项与判定协议

与二元打标的旧库不同，VTaC 的标注选项有四档：

选项	语义	处置
True	专家认为报警正确（真 VT）	进入终版
False	专家认为报警错误（假报警）	进入终版
Uncertain	无法判断	最终剔除（102 条，1.91%）
Reject	波形噪声/伪影过大不可读	最终剔除（211 条，3.94%）

VT 事件的定义沿用 PhysioNet Challenge 2015：五个或以上连续室性心搏、心率高于 100 bpm。判定对象是"报警触发点"——即监护仪软件宣布 VT 警报的那一刻，专家判断该警报是否成立。

3.3 一致率与仲裁

5,742 条送标事件的裁决结构是本库最有教学价值的部分：

• 一致（unanimous）4,534 条（78.96%）：两名独立标注者结论相同，直接定案；
• 冲突 1,208 条（21.04%）：进入仲裁——或由两位原标注者一对一讨论达成一致，或由第三人（仲裁人）投票定案；
• 仲裁成功 **816 条（66.55%）**定案；392 条未能仲裁，从数据集中整体移除；
• 有最终决定的 5,350 条中，再剔除 Uncertain 102 条与 Reject 211 条，终版 5,037 条。

三个方法学要点：第一，约五分之一的报警连两位专家都会翻脸，这本身就是"VT 假报警有多难"的定量证词——任何声称在此任务上逼近 100% 准确率的模型都应被追问是否过拟合了标注噪声；第二，预仲裁标签（pre-adjudication decisions）随论文公开，研究标注者间差异（inter-annotator agreement）的团队可以直接复用；第三，392 条无法仲裁事件的丢弃是保守取舍——它们很可能恰是信号最模糊的临床难例，这一剔除对基准难度的压低效应值得后续研究量化（见坑 6）。

3.4 去标识与伦理

全部波形记录名与事件名替换为随机代理名，患者姓名、日期、病历号等 PHI 在源头剔除。项目获 MIT IRB 及各参与机构 IRB 批准；因不干预临床且 PHI 已去标识，个人知情同意被豁免。数据收集截至 2022 年，且经作者确认与 PhysioNet Challenge 2015 数据集零重叠。

§4 数字链：从 20,158 条记录到 5,037 条报警

VTaC 的每个数字都挂在一条可审计的漏斗链上，逐级验收：

底层池          20,158 条连续多通道波形记录（2013-2022，三医院三厂商，平均 4.5 天/条）
  ↓ 抽取含 VT 报警者（随机）
抽取池          18,465 个 VT 报警事件 / 2,376 个患者记录（三厂商监护仪触发）
  ↓ 每记录随机 ≤5 事件（防单一患者过度代表）
送标注          5,742 个事件（≥2 名独立标注者逐一判定）
  ↓ 双标注一致 4,534（78.96%）；冲突 1,208（21.04%）
  ↓ 冲突 → 仲裁 816（66.55%）；无法仲裁 392 → 移除
有终审          5,350 个事件
  ↓ 剔除 Uncertain 102（1.91%）+ Reject 211（3.94%）
终版            5,037 个事件 / 2,260 个患者记录（真 1,441 / 假 3,596）
  ↓ 患者记录级 80-10-10 划分
划分            train 4,060 / val 495 / test 482（记录 1,808 / 226 / 226）

链上三处最容易读错的口径，正文这里一次说清：

1. 2,376 vs 2,260：前者是送标注 5,742 事件的来源记录数，后者是终版 5,037 事件覆盖的记录数——剔除事件后某些记录只剩零事件，两条数字描述漏斗不同层级，引用时必须带上下文。
2. 5,742 / 5,350 / 5,037：5,742 是"进过标注间"的总数，5,350 是"有最终决定"的总数，5,037 是"发布版可用"的总数——论文标题里的 over 5,000 一律指 5,037。
3. 10 分钟 vs 6 分钟：标注阶段专家看到的是报警前 5 分钟 + 后 5 分钟的 10 分钟段；发布版压缩为前 5 分钟 + 后 1 分钟的 6 分钟段（报警 onset 固定在第 5 分钟标记处）。前者是标注工作面，后者是交付物，勿混引。

这条漏斗链也解释了 VTaC 为什么值得信：每一级的进出都有明确规则（随机抽样上限、仲裁协议、剔除标准），而不是"清洗后剩余"这种黑箱口径。

§5 基准实验：十一类方法同台与 80 分的天花板

5.1 实验设置

论文在官方划分上固定了两套任务设置，差别只在"模型能看到报警后多久的数据"：

设置	模型输入窗口	临床含义
real-time	报警 onset 前 10 秒（生成式模型因算力约束用更小窗）	报警一响就要给出判断——临床部署的真实场景
retrospective	15 秒窗（onset 前 10 秒 + 后 5 秒）	离线复核场景——系统自动回看报警瞬间

两个易混口径在此说清：数据交付物是每事件 6 分钟的波形段，但模型输入只取 onset 前 10 秒——250 Hz 采样下 5 分钟单通道就是 75,000 个样本点，直接入模在当年算力下不现实，这也是论文强调的"长时序 + 稀疏标签"挑战。模型输入固定 4 通道：2 条 ECG 导联 + 1 条 ABP + 1 条 PPG——但 ABP 只在 35.7% 的事件里存在，缺失通道填充本身就是任务的隐藏考点。

评价指标沿用 2015 Challenge 口径：TPR/TNR/PPV/F1/AUC，外加核心的 Challenge Score——公式为 score = (TP+TN)/(TP+TN+FP+5×FN)，把真报警误判为假的代价（漏报恶性心律失常）放大 5 倍，分数天然向高 TPR 方案倾斜。分类阈值取验证集分数最大化的截断点。训练协议：网格搜索调学习率/dropout/正类权重（BCE 损失加正类权重对抗 71% 的类不平衡），最多 500 epochs，10 个随机种子训练、按验证集 CS 选出 5 个种子报均值。

5.2 主要结果（real-time，5 seeds 均值±sd，论文 Table 4）

模型	TPR	TNR	PPV	F1	Challenge Score	AUC
Rule-based（2015 获奖实现）	0.942	0.629	0.502	0.655	67.32	–
MLP	0.597±0.087	0.691±0.09	0.441±0.037	0.502±0.015	45.58±1.10	0.706±0.008
SAE（监督自编码器）	0.848±0.028	0.790±0.032	0.617±0.028	0.713±0.012	68.77±1.11	0.896±0.007
Transformer	0.837±0.039	0.707±0.060	0.535±0.048	0.651±0.030	62.73±2.78	0.852±0.006
CNN	0.928±0.006	0.782±0.019	0.629±0.019	0.750±0.013	76.17±1.20	0.936±0.009
FCN	0.920±0.025	0.855±0.018	0.717±0.024	0.805±0.016	80.08±2.46	0.949±0.006
CNN+CL	0.930±0.016	0.823±0.012	0.676±0.012	0.783±0.003	79.07±0.99	0.943±0.005
FCN+CL	0.931±0.028	0.811±0.046	0.666±0.048	0.775±0.024	78.41±0.87	0.932±0.008
BeatGAN	0.597±0.100	0.597±0.091	0.373±0.033	0.455±0.037	41.02±2.71	0.597±0.028
TAnoGAN	0.704±0.053	0.611±0.076	0.421±0.027	0.524±0.008	47.61±0.87	0.657±0.012
Diffusion+CL	0.853±0.054	0.517±0.040	0.412±0.013	0.555±0.016	52.51±2.61	0.685±0.017

（Rule-based 一行为 Plesinger 等 2015 年 Challenge 获奖方案的实现，代码取自 Challenge 2015 官网；生成式三模型按"条件生成真报警轨迹、比较距离"的异常检测范式运作。）

论文附录另给了两张补充表：Table 7 是 10 个种子中验证集表现最佳那个种子在测试集上的单次成绩——FCN 达到 CS 81.96、AUC 0.948（CNN 76.43、CNN+CL 77.92）；Table 8 是 retrospective 设置的 5 seeds 均值，见下节。

5.3 retrospective 结果（5 seeds 均值，论文 Table 8）

模型	TPR	TNR	PPV	F1	Challenge Score	AUC
Rule-based	–	–	–	–	65.54	–
CNN	0.923±0.020	0.803±0.025	0.651±0.026	0.763±0.015	76.94±1.61	0.942±0.003
FCN	0.923±0.012	0.786±0.025	0.632±0.025	0.750±0.016	75.84±1.86	0.925±0.014
CNN+CL	0.920±0.023	0.837±0.021	0.692±0.025	0.789±0.014	78.85±1.95	0.946±0.007
FCN+CL	0.921±0.013	0.836±0.011	0.691±0.013	0.789±0.001	78.95±1.41	0.933±0.007
BeatGAN	0.781±0.093	0.497±0.114	0.385±0.023	0.513±0.013	46.22±1.77	0.639±0.017
TAnoGAN	0.749±0.051	0.546±0.056	0.397±0.014	0.518±0.004	46.97±0.49	0.648±0.005
Diffusion+CL	0.630±0.183	0.503±0.046	0.462±0.069	0.518±0.038	49.70±2.42	0.569±0.093

retrospective 的格局与 real-time 不同：多看 onset 后 5 秒数据后，FCN+CL 成为最优（78.95，较其 real-time 的 78.41 有明显改善），而 FCN 本身反而略降（80.08→75.84）——论文原话是"FCN+CL 在 retrospective 中提升明显，其余模型对报警后 5 秒数据并不显著受益"。Rule-based 基线也从 67.32 降到 65.54。

5.4 五类方法的定性结论

1. FCN 拿下 real-time、FCN+CL 拿下 retrospective：全卷积结构天然适配长程波形的时间依赖，无需手工特征工程；
2. 对比学习是 CNN 的补药、不是 FCN 的（real-time）：自监督预训练把 CNN 从 76.17 拉到 79.07，但 FCN+CL（78.41）反而略低于 FCN（80.08）——表示学习的边际收益递减；到了 retrospective，FCN+CL 才显出优势；
3. 数据规模改变模型排序：Zhou 等 2022 在 Challenge 2015 小数据上发现 FCN 显著劣于轻量 CNN 与 CNN+CL；在 VTaC 大数据上 FCN 反超——复杂模型的红利要靠标注规模解锁，这是 VTaC 作为"规模放大器"的直接证据；
4. 生成式三模型全线哑火（41-53 分）：BeatGAN 41.02、TAnoGAN 47.61、Diffusion+CL 52.51——在 MIMIC II 语料上曾领先的条件生成范式整体失灵，论文 Discussion 归因三条（见 5.5）；
5. rule-based 基线 TPR 0.942 但 PPV 只有 0.502：老算法抓住 94% 的真报警，同时把一半的报警（真假一半）都当成真的喊出来——这正是它在 Challenge 2015 后十余年未再进步的结构性原因；
6. 从 67.32 到 80.08 的空间仍在：距离临床可信赖（高 PPV 拒绝假报警 + 不漏真报警）还有一段已知的、可度量的路。

5.5 生成式方法为什么失灵：MIMIC II 与 VTaC 的三重差异

论文把同一批生成式模型在两个语料上的成绩落差（MIMIC II 上领先 → VTaC 上垫底）归因于三点，这三点本身就是数据集设计的对照实验：

因素	MIMIC II 语料	VTaC	对生成式的影响
真报警率	>50%	28.61%	生成式依赖充足的真报警样本学习"真轨迹"，28.6% 的正样本太稀
ABP 覆盖	采样标准导致 ABP 比例高	仅 35.7% 事件含 ABP	血压波形是证伪假报警的关键旁证，缺失直接削弱生成质量
中心与设备	单中心、单一监测系统	三中心、三厂商	均质数据上学到的"正常轨迹"在异质数据上不迁移

换言之，生成式模型不是"错了"，而是 VTaC 比 MIMIC II 语料更接近真实世界的艰难——类不平衡、通道缺失、设备异质这三件事在真实 ICU 里同时存在。这也解释了为什么把 VTaC 当作比旧基准更可信的部署代理。

5.6 模型架构速查（论文附录 D）

模型	架构要点
MLP	三个隐层（1024/256/64 节点）+ dense 分类头
SAE	监督自编码器：编解码各 4 个卷积层，32 维潜向量 + 4 层 MLP 头；重建损失 + 交叉熵联合优化
CNN	4 个 1D 卷积特征提取器（窗口 50/100/200/400）+ dropout + 128 节点隐层
FCN	3 个卷积层 + 批归一化 + 自适应最大池化 + dense 头
Transformer	单层 encoder，128 维表示，8 头注意力，GELU 激活，dropout 0.1
生成式	条件生成"若为真报警"的后续波形轨迹，以生成-观测距离为异常分数判别真假

5.7 复现路径

官方代码库 github.com/ML-Health/VTaC（Python 3.8 + torch 1.9 + wfdb 4.1.1）给出了从原始波形到分数的完整链路：

# 1. 预处理（滤波 + 按事件按通道 z-score）
python preprocessing/filtering.py [split]
python preprocessing/standardize.py
# 2. 训练（以 real-time MLP 为例）
python models/mlp/realtime/train.py 64 0.0001 0.1 4
# 3. 评估：eval.py 汇总输出目录内全部模型并产出 csv

复现时两处易失分：一是不跑 standardize.py 的 z-score 标准化会显著改变收敛行为；二是超参（如 MLP 的 64 0.0001 0.1 4）是网格搜索的产物，改动后应重新按验证集 Challenge Score 选型而不是直接对标论文分数。对齐论文表格时注意区分三张表：Table 4（real-time 5 seeds 均值）、Table 7（real-time 最佳种子单次）、Table 8（retrospective 5 seeds 均值）——三表的 FCN 分数各不相同，混引即翻车（坑 9）。

§6 获取与许可：零门槛的 Open Access

6.1 入口

项	值
数据主页	https://physionet.org/content/vtac/1.0/
版本	Version 1.0（2024-10-01 发布，Release Notes 明示为首个版本，无版本链）
引用 DOI	10.13026/8td2-g363（PhysioNet 页 citation 口径；GitHub README 写 10.13026/z4f3-1f07，见坑 5）
RRID	SCR_007345
访问方式	Open Access——免注册、免 credential、免 DUA，网页直下或 wget/PhysioNet 工具链皆可
代码	https://github.com/ML-Health/VTaC
论文	proceedings.neurips.cc（NeurIPS 2023 Datasets and Benchmarks Track，hash 7a53bf4e02022aad32a4019d41b3b476）

6.2 License 语义

数据以 CC BY-SA 4.0（Creative Commons Attribution-ShareAlike 4.0 International）发布：署名 + 相同方式共享。实操要点：

1. 署名：使用时引用数据集 DOI（PhysioNet citation）+ 原始论文（NeurIPS 2023）双件套，这是 PhysioNet 页面的显式要求；
2. 相同方式共享：若对数据做再分发或建库，衍生库必须继续 CC BY-SA 4.0——与 MIT 系（MIMIC 波形多走 ODbL/物理下载协议）不同，VTaC 的 share-alike 条款在商用闭源场景有约束力；
3. 无需申请：与 credentialed 类资源（MIMIC-III/IV 需 CITI 培训 + 签 DUA）不同，VTaC 是 PhysioNet 上少数零门槛的大规模患者波形库——代价是它不含任何可链接的临床元数据；
4. PhysioNet 平台引用惯例：同时引用 PhysioNet 平台文献（Pollard 等，PhysioNet as a global platform for biomedical research）。

6.3 下载与加载最小示例

# wfdb-python 加载一条事件的波形段
import wfdb
record = wfdb.rdrecord("waveforms/<patient_record>/<event>")
# record.p_signal: (n_samples, n_channels)，250 Hz
# 通道名见 record.sig_name，如 ["II", "III", "ABP", "PLETH"]

标签与划分直接读 CSV：event_labels.csv 的 record+event 二元组对准波形文件路径；benchmark_data_split.csv 的 split 列给出 train/validation/test。做跨库对照时注意所有名字都是去标识代理名，与 eicu/MIMIC 的患者 ID 不可互查。

§7 生态与影响：报警疲劳研究的基础设施化

7.1 在假报警消除研究谱系中的位置

VTaC 是该领域三十年积累的三段式第三段：

1. 1990s-2011：单中心小样本时代，各院自建几百条标注，方法以阈值规则与简单的血压/心电交叉验证为主；
2. 2008-2015：MIMIC-II 1,900 条（Aboukhalil 等）与 PhysioNet Challenge 2015（341+221 条 VT）把问题公开化、基准化，多模态（ABP+ECG 融合）思路确立，但数据规模限制了深度方法；
3. 2023-：VTaC 以 5,037 条三中心多厂商双标注语料 + 五类方法基准，把赛道拉入深度学习可规模化的量级，同时用 PhysioTag 把标注基础设施开源。

7.2 上游工具与代码生态

• PhysioTag：标注平台本身开源（github.com/MIT-LCP/physiotag 或 PhysioNet 软件发布 doi:10.13026/g06j-3612），已被其他波形标注项目复用；
• ML-Health/VTaC：官方模型代码，含全部预处理与五类模型基线，是复现与改进的起点；
• WFDB 工具链：数据格式与 Challenge 2015/MIMIC 波形库一致，wfdb-python/wfdb-c 全套兼容；
• 社区后续工作：论文发表后出现了自监督预训练扩展（如在 VTaC 上做 DINO 框架对比学习的外部复现），报警消除任务也开始与 MIMIC-IV 波形系谱交叉引用。

7.3 临床与工程影响面

• 设备厂商：三厂商混合语料直接服务监护仪算法的跨设备泛化测试——这是单一医院数据做不到的验收口径；
• 报警管理政策：71.39% 假报警率的定量确认，为医院报警安全委员会（alarm stewardship）提供了参数化依据；
• 教学价值：21% 的专家间分歧率是"生理信号标注的天然噪声地板"的公开教学案例，适用于所有波形标注项目的方法学讨论；
• 基础模型时代：多通道长程波形（2,500×6 min×多通道）是生理信号基础模型预训练的候选语料——尽管其主用途是监督基准。

7.4 资助与团队背景

研究由 NIH R01 EB030362 资助；团队横跨 MIT（Lehman、Moody、Mark 等——PhysioNet/MIMIC 体系的创建者群体）与 Emory/GT（Clifford——Challenge 2015 的组织者）。换言之，2015 年定规则的人在 2023 年亲手把规则对应的语料补齐了——这种"命题人自己扩题"的谱系连续性，是 VTaC 口径权威性的组织保障。

§8 方法学启示：四条可迁移的经验

1. "命题人扩题"式基准演进：Challenge 2015 定任务（VT 定义、Challenge Score、多模态经验），VTaC 八年后按同一口径扩规模——新基准继承旧口径的收益是"所有旧文献的分数立刻可对标"，代价是继承了旧口径的历史局限（如 VT 定义不覆盖非持续性室速）。任何团队做基准升级时，"口径连续性优先"比"指标创新优先"更能激活社区。
2. 漏斗式数字链是可信度的载体：20,158 → 18,465/2,376 → 5,742 → 5,350 → 5,037 → 4,060/495/482，每一级都有明确规则与去向（含 392 条无法仲裁事件的显式丢弃）。对比"清洗后剩余 N 条"式黑箱口径，逐级可审计的漏斗让每一行引用都可回溯——建议所有数据集论文照此排版。
3. 保留真实类不平衡，而不是洗成均衡集：71.39% 假报警是 ICU 的真实先验，VTaC 拒绝重采样抹平它，并把 Challenge Score（重 TPR）作为官方指标与这种不平衡匹配。这教给基准设计者一件事：评测分布应当反映部署分布，哪怕这会让排行榜难看。
4. 标注基础设施与数据一起发布：PhysioTag 开源让"六人团队 + 浏览器 + 四档选项 + 仲裁协议"成为可复制的标注流水线模板。数据集的可复现性不止于数据本体，还包括产生标签的那套社会技术流程。

§9 与库内条目的关系

VTaC 在本库的位置是"生理信号 × 重症监护"分支上假报警主题的锚点，与以下条目构成强关联网络（rid 为库内 record_id）：

条目	rid	关系
cinc-2015	487	最强互链——PhysioNet/CinC Challenge 2015 是 VTaC 的任务定义、VT 判据、指标与通道命名的直接前身；Challenge 的 341+221 条 VT 语料是 VTaC 前的最主流基准，两库可作跨版本对照
mimiciii	590	MIMIC-II → MIMIC-III 系谱源头；Aboukhalil 2008 的 1,900 条 VT 报警语料出自 MIMIC-II，是 VTaC 对比表的第三列；波形-EHR 融合研究的另一半
mimic3wdb / mimic3wdb-matched	586 / 587	MIT LCP 同门 ICU 波形库；波形获取、质量筛与 WFDB 处理口径可互链；MIMIC-III 波形库内亦有可挖掘的报警事件
mimic4wdb	588	MIMIC-IV 波形版——与 VTaC 同为 Open/受限波形大库，多中心多厂商主题互为镜像
eicu-crd	552	eICU 协作研究数据库（多中心 ICU EHR）——VTaC 自曝缺临床元数据，波形-结局研究需回 eicu-crd 补齐；两者同属"多中心 ICU"方法论家族
vitaldb	192	术中/ICU 多模态波形库（六通道起），与 VTaC 同以 250/100 Hz 级波形+事件标注结构组织，假报警与波形质量主题互链
physionet-cinc-2016 / 2017	382 / 162	同系后续 Challenge（2016 心音、2017 AF 检测）——Challenge 谱系条目互链
mimic-perform	805	波形质量与伪影主题——Reject/Uncertain 剔除逻辑的方法学参照
ludb / ltafdb / apnea-ecg / cpsc	793 / 668 / 658 / 132	心电/波形家族外围：LUDB 形态学标注、LTAFDB 房颤长程、Apnea-ECG 事件标注、CPSC 12 导联——构成"ECG 标注谱"检索面

检索路径建议：从 cinc-2015(487) 进入读任务定义 → 本条目读新基准与数字链 → eicu-crd(552)/mimiciii(590) 补临床数据 → vitaldb(192)/mimic3wdb(586) 扩波形语料。

§10 避坑清单：十个已踩过或必踩的坑

坑 1：全大写 VTAC 检索污染。 官方拼法是驼峰式 VTaC（VT 大写 + aC 小写）。全大写 VTAC 在医学文献里另有所指（如血管通路相关缩写），搜索引擎会混入大量无关命中。正确姿势：查 “VTaC ventricular tachycardia” 或直接进 PhysioNet /vtac/1.0/。

坑 2：10 分钟 vs 6 分钟窗口混淆。 标注阶段专家看的是报警前 5 + 后 5 的 10 分钟段；发布版是前 5 + 后 1 的 6 分钟段。凡在方法节写"10 分钟段"的旧讲稿/二手综述都指标注工作面；构建训练管道必须以发布版 6 分钟为准，onset 在第 5 分钟标记处（5 分钟 = 75,000 个 250 Hz 样本）。

坑 3：2,376 vs 2,260 患者记录数。 前者是送标注层（5,742 事件）的记录数，后者是终版层（5,037 事件）的记录数。两者都对，引用时必须挂上各自的事件数，否则审稿人会当数字打架。

坑 4：医院与厂商臆写。 官方从未点名三所医院与三个厂商——论文与 PhysioNet 页只有 three major US hospitals / three leading vendors。Challenge 2015 的 Philips/GE 口径不能移植过来。任何"VTaC 来自 X 医院和 Y 品牌"的写法都是臆造。

坑 5：DOI 双口径。 PhysioNet 页 citation 给 10.13026/8td2-g363；GitHub README 写 10.13026/z4f3-1f07。本条目正文统一采用 PhysioNet 页口径（数据集 DOI 的权威源是 PhysioNet），引用 GitHub 口径的文章属早期版本残留，不构成内容冲突，但引用时优先 8td2-g363。

坑 6：392 条未仲裁事件的幸存者偏差。 无法仲裁的事件被整体移除，它们大概率是信号最模糊的临床难例；加上 313 条 Reject/Uncertain 剔除，终版集在"最难样本"上系统性偏轻。模型分数外推到真实 ICU 全量报警流时应打折扣——论文自己也把"无匹配临床数据"列为限制，但这层"标注筛选偏差"更隐蔽。

坑 7：label 表与波形的键接依赖代理名。 event_labels.csv 的 record/event 都是随机代理名，与 eicu/MIMIC 患者身份不可互查；做波形-EHR 融合时不要试图"猜回去"，正确路径是接受不可链接、或等待作者承诺的未来临床数据扩展。

坑 8：三张结果表混引。 论文的 FCN 分数出现在三张不同的表里，数值各不相同：Table 4（real-time，5 seeds 均值）80.08±2.46；Table 7（real-time，最佳验证种子的测试集单次）81.96；Table 8（retrospective，5 seeds 均值）75.84±1.86。引用时必须写明表号与统计口径，"FCN 81.96"若无 Table 7 语境会被当成 retrospective 成绩——本条目初稿即踩过此坑，已修正。

坑 9：retrospective 最优是 FCN+CL，不是 FCN。 real-time 的冠军是 FCN（80.08），retrospective 的冠军是 FCN+CL（78.95±1.41）——FCN 在 retrospective 反而降到 75.84。两个设置的排名不同，跨设置引用冠军名字是高频错误。

坑 10：PPV 不等于 PPR，F1 不等于 accuracy。 早期二手转述把论文指标写成 “PPR 0.502、acc 0.655”，实际论文报的是 PPV（阳性预测值）0.502 与 F1 0.655（Rule-based 行）。指标名错一个字母，复现脚本对不上数。

§11 总结

VTaC 用一条完整的流水线回答了一个老问题：ICU 的报警器还能不能被信任。它把 PhysioNet Challenge 2015 定下的任务口径原样放大——三所医院、三个厂商、5,037 条专家终审报警、六人标注团队、四档选项加仲裁制——并把五大类机器学习方法放在同一张分数表上，量出从 67.32（规则基线）到 80.08（FCN）的已知提升空间。Open Access 与 CC BY-SA 4.0 让它成为零门槛的大规模患者波形库，而 21% 的专家间分歧率则诚实地标注了这条赛道的噪声地板。对做心律失常检测、多模态波形融合或报警安全的团队，VTaC 是绕不开的起点；对做数据集工程的团队，它的漏斗式数字链与"数据+工具+划分"三件套是可直接照抄的模板。

---

本条目生产于 2026-10-09，核验时点与抓取源见附录 A；全部硬数字出自论文 PDF（NeurIPS 2023 proceedings hash 7a53bf4e02022aad32a4019d41b3b476）与 PhysioNet 官方页；双口径存照（DOI、窗口、记录数）见坑 2/3/5 与附录 C。

§12 数据获取实操手册（从零到第一行波形）

前文 §3 说明了"数据里有什么"、§8 说明了"论文怎么跑"；本节回答"你今天下午怎么把它跑起来"。全程零门槛：PhysioNet Open Access 页面不要求注册、CITI 培训或数据使用协议——这与 MIMIC-IV（需培训证书 + 签署 DUA + 受控托管）形成鲜明对比，也是本库"零门槛大规模波形库"定位（见 DAIMS 行）在实操上的含义。

12.1 三种下载姿势

姿势 A：浏览器直下（首次接触推荐）。 打开官方页 https://physionet.org/content/vtac/1.0/（version 1.0，2024-10-01），在 Files 面板点 Download zip 整包获取。适合先浏览目录结构、再决定加载策略的使用路径。

姿势 B：wget 递归镜像（服务器环境推荐）。

wget -r -N -c -np --cut-dirs=3 -nH \
  -R "index.html*" \
  https://physionet.org/files/vtac/1.0/

• -c 断点续传：波形包总量大，网络中断后重跑同一命令即可接着拉；
• -N 时间戳化：重复执行只更新有变动的文件，适合定时同步；
• 注意 .dat 与 .hea 必须成对落地——只下到其中之一的文件是断点续传最常见的残骸（见 12.6 翻车点 2）。

姿势 C：只取两张标签表（轻量评估）。 若目标只是看标签分布、核对划分或复现分数表而不碰波形，仅下载 event_labels.csv 与 benchmark_data_split.csv 即可，12.5 的五项 sanity check 全部可跑通，磁盘与带宽开销近乎为零。

license 提醒：CC BY-SA 4.0 是"署名 + 相同方式共享"两件套——引用论文与数据 DOI 即满足署名，但衍生数据集必须继续以同许可发布，share-alike 义务不可卸（翻车点 6）。

12.2 发布包结构一览

vtac/1.0/
├── waveforms/                    # 波形主目录，按患者记录一层子目录
│   └── <record>/                 # 去标识代理名目录
│       ├── <event-1>.hea         # WFDB 头文件：采样率、通道表、增益、 ADC 参数
│       ├── <event-1>.dat         # WFDB 二进制波形本体
│       ├── <event-2>.hea
│       └── <event-2>.dat
│       ...（每条患者记录名下挂若干条 6 分钟事件段）
├── event_labels.csv              # 终审标签表（record, event, decision）——schema 见附录 B.2
├── benchmark_data_split.csv      # 官方划分表（record, event, split）——schema 见附录 B.3
└── ...（其余辅助文件以官方页 Files 面板为准）

三件核心资产的分工：waveforms/ 是模型吃的部分，两张 CSV 是脚手架——前者 5,037 条事件段各自独立成对成文件，后者把"事件 → 终审决定"与"事件 → 训练/验证/测试归属"两个正交维度拆成两张平表，join 键都是 record+event 二元组。

12.3 record+event 二元组主键模型

理解本库数据模型只需要一句话：record 是患者记录（去标识），event 是该记录名下的一段 6 分钟报警窗口，二者拼起来才是全局唯一主键。 三条推论：

1. 同一 record 名下有多个 event。 2,260 条患者记录摊出 5,037 条事件，平均每记录约 2.2 条；同一患者的报警天然相关，这就是官方划分必须做在记录级（train 1,808 / val 226 / test 226 条记录）防泄漏的原因。
2. 路径即键。 waveforms/<record>/<event>.hea 的目录结构与 CSV 里的 record+event 一一对应，加载器不需要额外映射表。
3. 跨表操作一律走二元组 join。 pandas 下 lab.merge(spl, on=["record", "event"]) 一行完成标签与划分的对齐；只用单键 record 合并会产生笛卡尔积式的多对多错配。

12.4 wfdb-python 加载解剖与内存预算

§8 已给出最小加载片段（rdrecord 一行读取）；这里补充读出来的对象结构与容量规划。wfdb.rdrecord() 返回的对象里最常用的三个属性：

属性	含义	实操提示
sig_name	通道名列表（如 ECG 导联 II/III、PLETH、ABP）	通道组合逐事件不定长，永远按名字索引而非位置
p_signal	float64 波形矩阵，形状 (样本数, 通道数)	250 Hz × 360 s = 90,000 行；缺测段以 NaN 填充
fs / units	采样率与物理单位	官方已统一重采样 250 Hz，fs 恒为 250

内存预算（推算口径）。 单事件单通道 = 90,000 样本 × 8 B ≈ 0.72 MB；单事件按满配 6 通道 ≈ 4.3 MB。全库 5,037 条事件：按满配 6 通道上限推算 ≈ 21.8 GB；按通道覆盖率实际均值（ECG 100% + PLETH 90.6% + ABP 35.7%，人均约 2.3 通道）推算 ≈ 8 GB。结论：单机整库驻留可行但浪费，推荐按事件惰性加载——读 CSV 拿到键，用到哪条读哪条；官方代码库的训练管线正是这种流式姿势。

滤波配方（ECG 60 Hz 陷波 + 1-30 Hz 带通、PPG 0.5-5 Hz 带通、ABP 按事件 z-score）直接照抄官方库预处理模块即可，不必自行发明。

12.5 五项 sanity check（下载后十分钟自检）

任何"下载数据 → 直接开训"的管线都该先跑这五道闸（字段名与取值口径以附录 B.2/B.3 schema 为准）：

import pandas as pd

lab = pd.read_csv("event_labels.csv")
spl = pd.read_csv("benchmark_data_split.csv")

# 1. 事件总数：event_labels.csv 行数 = 5,037
assert len(lab) == 5037

# 2. 患者记录数：唯一 record 计数 = 2,260
assert lab["record"].nunique() == 2260

# 3. decision 为二值，构成 1,441 真 / 3,596 假
assert (lab["decision"] == True).sum() == 1441
assert (lab["decision"] == False).sum() == 3596

# 4. 官方划分计数 4,060 / 495 / 482；各 split 真报 1,163 / 141 / 137
counts = spl.groupby("split").size()
truths = lab.merge(spl, on=["record", "event"]).groupby("split")["decision"].sum()

# 5. 各 split 真报率与存照一致（事实清单 44）：Overall 28.61% /
#    Train 28.65% / Val 28.90% / Test 28.48%，偏差应在 ±0.5pp 内
rates = truths / counts

五道全绿说明下载完整、键接无损；任何一道报错都应先回头查 12.6 的翻车点，而不是改脚本硬凑。

12.6 常见翻车点速查

1. 代理名不是乱码。 record/event 是去标识随机名，与 eicu/MIMIC 患者身份不可互查（坑 7）；试图"猜回去"或用姓名规则匹配都是徒劳，正确姿势是接受不可链接。
2. .hea/.dat 成对缺失。 wget 断点续传或解压中断会留下只剩头文件的残骸；rdrecord 报错时先 ls 成对性再怀疑代码。
3. 通道数不定长。 ABP 覆盖率仅 35.7%，每事件 sig_name 长度不同；任何按固定列位置切片的代码都会在 ABP 缺席的事件上错位。
4. 勿把 6 分钟整段直接入模。 6 分钟窗口是标注上下文，不是模型输入——官方输入是 real-time 10 s / retrospective 15 s 切片（§8）；整段入模既浪费算力也偏离基准口径，分数不可比。
5. DOI 双口径。 正式引用数据集用 PhysioNet 页口径 10.13026/8td2-g363；GitHub README 写的是 10.13026/z4f3-1f07——投稿引用以 PhysioNet 页为准（存照见附录 C）。
6. share-alike 不可卸。 基于 VTaC 派生的数据集、榜单、演示页必须继续 CC BY-SA 4.0 发布；闭源再分派生波形属于违约使用。

12.7 最小复现路径：从下载到第一张混淆矩阵

本小节把 §12.1-§12.6 的零件装成一条端到端流水线：目标是在一个下午内跑通"下载 → 自检 → 截窗 → 基线 → 模型 → 报分"，且每一步都有可对表的校准数字。所有数字的出处见 §15，这里只给操作序。

Step 0：下载与断言（约 10 分钟）。 按 12.1 的 wget 姿势下载发布包，跑 12.5 的五项断言（5,037 行 / 2,260 唯一 record / 1,441 真 3,596 假 / 计数分解 / 真率区间）。断言不过就停下排查，带着坏数据往下走只会浪费后面每一步。

Step 1：建分析主表。 把 event_labels.csv 与 benchmark_data_split.csv 按 record+event 二元组主键 join（12.3），产出带 split 列的统一工作表：

import pandas as pd, numpy as np, wfdb

labels  = pd.read_csv("event_labels.csv")          # 5,037 行
splits  = pd.read_csv("benchmark_data_split.csv")  # train 1,808 / val 226 / test 226
work    = labels.merge(splits, on=["record", "event"], validate="one_to_one")
assert work.groupby("split")["record"].nunique().to_dict() == {"train": 1808, "val": 226, "test": 226}

Step 2：理解 split 的粒度。 划分单位是患者记录而非事件——同一 record 的所有事件落在同一侧。这是官方防泄漏设计：如果你的自建划分按事件随机切，同一患者的相邻事件会同时出现在 train 和 test，分数会虚高（对应 Step 7 的红线 2）。

Step 3：截窗与通道对齐。 real-time 任务取 onset 前 10 s（样本 65,000-75,000，12.4/13.2）；通道以 sig_name 为准做列对齐，缺失通道填 NaN 并在结果里报告通道可用率（尤其 ABP，<40%）：

rec = wfdb.rdrecord(f"data/{record_name}")           # fs=250，见 12.4
x   = rec.p_signal[65_000:75_000, :].astype("float32")   # (10000, n_sig)
# 列顺序统一到固定通道表后，缺的列置 np.nan

Step 4：先写评分函数，再用退化基线校准（约 15 分钟，最重要的一步）。 Challenge Score 没有现成 sklearn 函数，自己实现并用 §15.2 的两个退化值对表：

def challenge_score(y_true, y_pred):
    y_true = np.asarray(y_true, dtype=bool)          # True=真报
    y_pred = np.asarray(y_pred, dtype=bool)
    tp = int(( y_true &  y_pred).sum()); tn = int((~y_true & ~y_pred).sum())
    fp = int((~y_true &  y_pred).sum()); fn = int(( y_true & ~y_pred).sum())
    return (tp + tn) / (tp + tn + fp + 5 * fn)

assert abs(challenge_score([0]*3596 + [1]*1441, [0]*5037) - 0.3329) < 1e-3   # 全判假
assert abs(challenge_score([0]*3596 + [1]*1441, [1]*5037) - 0.2861) < 1e-3   # 全判真

Step 5：第一个真模型。 复刻 FCN 要点（§5 附录 D 口径）：3 层 1D 卷积 + BatchNorm + 自适应池化 + dense 头；BCE loss 加正类权重抗不平衡（15.6）；500 epochs 上限、10 seeds 训练按验证 CS 选 5 seeds。先用 MLP 级别的配置把流水线跑通，再上容量——流水线未校准前调模型是在给错误打分。

Step 6：报分口径。 一次实验至少报 CS + TPR + TNR（+PPV/F1 可选），5 seeds 均值±sd；与论文对表时认准 Table 4 口径（real-time、5 seeds 均值，§15.5）。只报一个 CS 数字不便于他人判断你的模型究竟"漏报多"还是"误报多"。

Step 7：三条红线自检。

1. CS < 33：评分函数大概率写错（全判假都有 33.29），回 Step 4。
2. CS > 82：超过论文天花板（81.96），先查泄漏——最常见是按事件而不是按 record 划分 train/test（回 Step 2），其次是把 retrospective 窗口信息混进了 real-time 任务。
3. accuracy 高而 CS 低：模型在向全判假退化（71.39% 的白送 accuracy，15.2），检查正类权重是否生效。

跑完这条路径，你就拥有了与论文可比的 real-time 基准线；retrospective 版本只需把截窗改为样本 65,000-76,250（前 10 s + 后 5 s，§13.2），其余步骤不变。

§13 标注体系深度解剖（四档选项、仲裁协议与噪声地板）

§5 已交代标注流程的主干数字；本节把"标签是怎么长出来的"拆到操作层——工具为什么选它、窗口为什么裁掉一段、四个选项各自意味着什么、分歧如何变成数据或变成空气。对要搭建自有波形标注流水线的团队，这一节就是一份可直接照抄的协议样板。

13.1 PhysioTag：工具与协议的匹配

标注平台 PhysioTag（MIT LCP 开源浏览器协作平台，CinC 2022 论文，PhysioNet 软件发布 doi:10.13026/g06j-3612）不是随手之选，它与本库标注协议有三处精确咬合：

1. 长程多通道波形原生渲染。 每条标注对象是 250 Hz、最多 6 通道、10 分钟跨度的波形段，总量 75,000 样本/通道以上——通用标注工具应付这种"宽画布"很吃力，PhysioTag 为波形浏览与分段打标而生。
2. 多人协作与意见留痕。 协议要求每事件至少两人独立标注、分歧走讨论或仲裁——这需要平台支持多人会话与逐事件意见记录，PhysioTag 的协作设计正好覆盖。
3. 开源可复用。 平台本体开源（见 §9），意味着"六人团队 + 浏览器 + 四档选项 + 仲裁协议"整套社会技术流程可以被任何团队原样复制——标注过程的可复现性不亚于数据本身。

13.2 两次裁窗：从 10 分钟标注窗到 6 分钟发布窗

VTaC 的时间窗经历了两次裁剪，每一步都有明确的任务逻辑：

• 标注窗 = onset 前 5 分钟 + 后 5 分钟（共 10 分钟）。 前 5 分钟让标注者看到报警发生前的节律背景（真 VT 通常有前兆演变，假报警的前段往往已有伪迹线索），后 5 分钟提供报警后对照——这是专家判读所需的最小上下文。
• 发布窗 = onset 前 5 分钟 + 后 1 分钟（共 6 分钟）。 判读完成后，onset 后第 1-5 分钟对"报警时点二分类"没有信息增量，却要付出 40% 的存储与带宽代价，于是被裁掉。
• onset 的样本级定位： 统一 250 Hz 下，onset 位于第 5 分钟标记处，即第 75,000 个样本（250 × 300）。所有以 onset 为锚的切片都从这一位置起算。

一个自洽性检查：官方两种评估设置都在发布窗内放得下——real-time 用 onset 前 10 秒（样本 65,000-75,000），retrospective 用前 10 秒 + 后 5 秒（样本 65,000-76,250），后者需要的 onset 后数据仅 5 秒，远小于保留的 1 分钟。裁窗没有伤害任何官方任务口径。

13.3 四档选项的操作语义与漏斗去向

标注界面上的四个按钮不是同一维度的四个等级，而是两个维度的组合：

选项	语义维度	操作含义	在漏斗中的去向
True	判断：真 VT 报警	报警时点确为 ≥5 连续室性心搏且心率 >100 bpm（沿用 Challenge 2015 定义）	进入终版
False	判断：假 VT 报警	报警触发但判读不满足 VT 定义（伪迹、其他心律等）	进入终版
Uncertain	置信：无法确定真假	信号可读但证据不足以二选一	剔除 102 条（1.91%）
Reject	质量：信号不可读	波形质量差到判读无从下手	剔除 211 条（3.94%）

关键设计：终版集里没有软标签。 Uncertain 与 Reject 不是被标成"第三类"，而是被整体排出数据集（合计 313 条）——任务被定义为干净二分类。这换来了标签语义的清晰，代价就是坑 6 所述的幸存者偏差：最难判读的样本恰好不在集内。

13.4 仲裁的两种结局与终版构成

冲突的 1,208 条事件有两条出路、一种终点：

1. 讨论优先： 两位原标注者一对一重看波形、交换判据，能说服对方则达成一致；
2. 投票兜底： 讨论不能收敛时由仲裁人投票定案；
3. 显式丢弃： 仍无法定案的 392 条（32.4%）整体移除，不做"少数服从多数"的硬凑。

终版 5,037 条因此由两个来源构成（论文 Table 1 口径）：Unanimous 4,395 条（双标注直接一致）+ Adjudicated 642 条（仲裁定案）= 5,037。真报警侧的对应分解为 1,222（来自一致标注）+ 219（来自仲裁定案）= 1,441，与总口径完全咬合（见附录 H 对 Table 1 的引用）。

两点存照：其一，event_labels.csv 只有 record/event/decision 三列（附录 B.2），不含标注来源列——使用者无法逐事件区分一致与仲裁样本；需要此粒度的研究可转向论文随文公开的预仲裁标签（pre-adjudication labels）。其二，事实清单第 45 条转录的 Unanimous 三元组分解（3,518/449/438）加总为 4,405、与总数 4,395 存在 10 条出入，本节一律采用总数口径，精确分解以论文原表为准。

13.5 六人团队的置信结构

标注团队六人（一位 40+ 年经验认证心律技师、一位心律失常专家医师、三位临床医师、一位心律方向信号处理工程师），这个组合的设计意图是覆盖三类典型误差源：

• 形态学误差（把伪迹看成节律异常）——由数千小时判图经验的技师兜底；
• 临床语义误差（节律对但临床含义判错）——由心律专家医师兜底；
• 操作与信号误差（对波形技术质量的误读）——由临床医师与信号处理工程师兜底。

"每事件 ≥2 人独立标注"的价值不止于双保险：78.96% 的一致率本身就是一个可度量的噪声地板。在单标注体系里，约五分之一的判读分歧会被无声地固化成标签错误且无人知晓；双标注把它变成了公开数字。这也是本库把"标注者一致性有限"写进 DAIMS 求真维度的原因。

13.6 与典型基准标注体系的对照

维度	众包影像基准（如 ImageNet 式）	文本 NLI 类基准	VTaC
每样本标注人数	多人众包 + 金标校验	3-5 人	≥2 名专家 + 仲裁
标注者资质	众包工人（无领域资质）	众包为主、专家复核子集	六名领域专家（技师/医师/工程师）
分歧处理	多数投票淹没分歧	仲裁或按规则裁定	讨论优先、投票兜底、无法仲裁显式丢弃
一致率是否公开	少数公开	部分公开	78.96% 论文明示
软标签	无	部分引入	无（Uncertain/Reject 整体剔除）
平台开源	通常不公开	通常不公开	PhysioTag 开源可复用

对照可见 VTaC 的取向：用小而高的专家团队换取单标签可信度，用协议透明换取可审计性——与众包路线的"用数量换质量"互为镜像。

13.7 可照抄的三条协议要点

1. 抽样上限： 每患者记录随机最多 5 条事件送标，防止单一患者的高报警率过度代表总体（漏斗 18,465 → 5,742 的来源）。
2. 显式丢弃： 392 条无法仲裁事件的去向写进论文与事实清单——"宁缺毋滥"必须以公开计数背书，否则就成了坑 6 那样的隐性偏差。
3. 过程资产随数据发布： 预仲裁标签、标注平台、四档选项语义全部公开，让第三方可以审计"标签从哪来"——这是数据集论文可以整体搬走的排版与协议模板。

§14 数据集横向对照：三代 VT 语料与跨库选型决策

§9 已给出库内 14 条互链的"关系地图"，本节回答另一个更功利的问题：当研究问题已经明确时，VTaC 与它的前代、邻居各自该被摆在哪个位置。先纵向看清三代 VT 报警语料的接替关系，再横向给出选型决策表、负选型清单与三条组合使用模式。所有对照数字的出处口径与附录 D、附录 E 一致，本节不重复逐条溯源。

14.1 三代 VT 报警语料纵向对照

从 Challenge 2015 到 MIMIC II 报警语料再到 VTaC，公开 VT 报警基准走过了"数百条赛题语料 → 一千九百条研究语料 → 五千条专家双标注基准"的三级跳：

语料	事件规模	Open Access	真报率	定位与出处
Challenge 2015 训练集	341 条	是	—（未随事实清单存档）	排行赛训练语料；VT 定义、指标与通道命名的直接前身
Challenge 2015 隐藏测试集	221 条	否	—	排行赛评分端，赛后未公开，外部团队永远无法在其上自测
MIMIC II 报警子集（Aboukhalil 2008）	1,900 条	是	>50%	假报警消除研究的第一代大规模语料；VTaC 对比表第三列
VTaC（PhysioNet v1.0）	5,037 条	是	28.61%	本文主角；专家双标注+仲裁，规模最大的公开 VT 报警基准

（口径注：事件数与 Open Access 列与论文 Table 2 及附录 E 的口径一致；MIMIC II 真报率 >50% 出自 VTaC 论文 Discussion 的对比表述，属引用口径而非独立核验。）

四点观察：

1. 规模跳了一个数量级，真报率却反着走。 MIMIC II 语料真报率 >50%、接近平衡，VTaC 仅 28.61%。这不是"标注更严了"一句话能带过的——三医院真实临床报警分布本就偏假，两代语料的差异更多来自研究对象筛选方式不同。它直接决定模型行为跨库不可迁移（见 14.5 模式三与 §15.7）。
2. 标注深度同步跳级。 Challenge 2015 的参考标准来自赛方组织回收的标注，MIMIC II 语料的真伪判定出自单一研究团队的核查流程，而 VTaC 每条事件至少两名专家独立标注、分歧走讨论+投票仲裁、四档选项语义全程公开——相当于把"标签生产线"整体搬进了论文。
3. 指标同源，分数才有可比性。 三代语料中真正口径连续的是 Challenge 2015 与 VTaC：后者继承前者的 VT 判据与 Challenge Score，并以 Challenge 官网的获奖实现（Plesinger 2015）复现 rule-based 基线来衔接。MIMIC II 语料年代更早、指标各异，与 VTaC 的分数不可直接对表。
4. 开放性三代都算友好，但各留一扇锁着的门。 Challenge 2015 的 221 条隐藏测试集至今不公开；VTaC 则全部 5,037 条连预仲裁标签一起开放（CC BY-SA 4.0）——想做"官方排行赛口径"对分的团队只能走复现基线的路。

标注方式层面，三代语料的差别可以压成一张小表：

维度	Challenge 2015	MIMIC II（Aboukhalil）	VTaC
标签性质	赛题参考标准	单研究核查结论	逐事件专家双标注+仲裁
标注工具	赛方组织	自研流程	PhysioTag 平台（开源、独立 DOI）
分歧处理	赛方裁定	未系统性公开	讨论优先、投票兜底、392 条显式弃标
过程透明度	部分公开	有限	预仲裁标签+平台+协议全部随数据发布

14.2 一条时间线：假报警基准的十八年

年份	事件	对 VTaC 的意义
2008	Aboukhalil 等发布 MIMIC II 1,900 条 VT 报警语料	假报警消除的第一代大规模语料，真报率 >50%
2012-2014	Cvach、Drew 等系统性量化假报警负担（附录 H）	报警疲劳问题从经验走向循证，为公开基准铺路
2015	PhysioNet/CinC Challenge 2015	定下 VT 判据、Challenge Score 与通道命名；341+221 条语料
2023	VTaC 论文发表于 NeurIPS Datasets & Benchmarks Track	五千条专家双标注基准成型，方法学经验四条（§8）
2024-10	PhysioNet 正式发布 v1.0（DOI 10.13026/8td2-g363）	Open Access 落地，成为报警疲劳研究的基础设施（§7）

时间线读法：这条线的节奏是"问题被量化（2012-2014）→ 赛题化（2015）→ 基准化（2023-2024）"。每一环都建立在前一环的方法学遗产上，而不是简单加数据。

14.3 跨库选型决策表：按研究问题查表

你的研究问题	首选库	VTaC 的角色	一句话理由
VT 报警真假判别建模与评测	VTaC	主战场	唯一具备专家双标注+仲裁流程的大规模 VT 基准
跨库泛化 / 规模效应分析	VTaC + cinc-2015 (487)	大数据端	小数据量级 CNN+CL 占优、五千条量级 FCN 反超，排序翻转只能靠两库并用来演示
报警的临床解读（诊断、用药、结局）	eicu-crd (552)	波形端	VTaC 自曝缺临床元数据，波形-结局必须回 EHR 库补齐
术中 / 多厂商设备假报警消除	vitaldb (192)	对照域	术中场景+多厂商波形，与 VTaC 的 ICU 三厂商互为镜像
MIMIC 波形系报警事件挖掘	mimic3wdb 系 (586/587/588)	方法来源	波形获取、质量筛与 WFDB 处理口径可整体平移
ECG 形态学 / 心律失常分类本身	ludb (793) / cpsc (132) 等	不适用	VTaC 只有 VT 报警真假二分，无形态学标签
房颤检测	physionet-cinc-2017 (162)	谱系参照	2017 Challenge 即 AF 检测专题，同属 Challenge 谱系
波形质量 / 伪影研究	mimic-perform (805)	方法参照	Reject/Uncertain 剔除逻辑与其质量标注思路同构

查表三原则：

1. 先问标签，再问波形。 波形参数（采样率、通道）相近的库很多，但"逐事件专家双标注+仲裁"只有 VTaC 有——标签质量是主选据，波形规格是兼容性检查。
2. 跨库比较先对齐两个先验：真报率与通道覆盖率。真报率差 20 个百分点，任何分数差都不能直接解读为模型优劣。
3. 组合优于替换。 VTaC 的短板（缺 EHR、无儿科、非术中）都是别的库的长板，用 §14.5 的组合模式比"换一个库"信息量大得多。

14.4 负选型清单：这些题不要拿 VTaC 当主数据

1. 儿科/新生儿报警研究——底层池为 2,376 名成人 ICU 患者，无儿科分层；儿科监护的报警阈值与假报警结构与成人差异大，硬用会得出错误外推。
2. 多类报警任务（呼吸机、输液泵、SpO2 报警）——VTaC 只收录监护仪触发的 VT 报警事件，拿它训练"全报警类型分类器"是任务错配。
3. 心律失常多分类——终版标签只有 VT 报警的真/假二分，没有房颤、束支阻滞等类别；分类任务请回 ludb/cpsc/ltafdb 一类形态学与节律库。
4. 需要临床结局或人口学协变量——论文自曝无 EHR 关联；去 eicu-crd 找答案，VTaC 只提供波形与标签。
5. 非 ICU 场景（院前、门诊、家庭监护）——三所美国大型医院 ICU 单一场景（身份未公开点名），外推需自行补验证集。
6. 把 6 分钟发布窗当长程节律数据——每条样本是围绕一次报警事件的短窗（onset 前约 5 分钟+后约 1 分钟，见 §13.2），不是 Holter，别做跨事件的长程依赖建模。

14.5 组合使用三模式

模式一：VTaC ⊕ cinc-2015——规模效应与跨版本对照。 两库共享任务定义、VT 判据（≥5 连续室性心搏、>100 bpm）与 Challenge Score 口径，天然可对齐。VTaC 论文已经演示了标准动作：在 Challenge 2015 那种数百条量级上，CNN+CL 一类的强增强小数据方案占优；到了 5,037 条量级，FCN 反超——"规模改变排序"这条曲线本身就能独立成篇。落地检查点：两库的通道命名与采样率口径需先统一（VTaC 已统一 250 Hz，Challenge 2015 需查原始页）；Challenge Score 权重与测试集口径以 Challenge 官网为准。

模式二：VTaC ⊕ eicu-crd——波形 × EHR 融合。 VTaC 的三所医院患者没有公开的临床元数据，而 eicu-crd 提供多中心 ICU 的 EHR。以时间戳与 ICU 停留为钥匙做关联，把"报警前用药、生命体征趋势、护理负荷"接进真假判别，是 VTaC 论文 Discussion 明示的缺口——也是假报警研究从"信号层"走向"病人层"的通道。落地检查点：两库为独立资源，许可各自独立（均为 Open Access 系），但引用、署名与再分发条款需分别核对；关联失败率（时间戳对不上的比例）要作为结果的一部分报告。

模式三：VTaC ⊕ vitaldb / MIMIC 波形系——多厂商与跨场景泛化。 VTaC 是"三厂商、ICU、双标注"；vitaldb 是"多厂商、术中为主"；MIMIC 波形系是"单中心、深度长程"。生成式三模型（BeatGAN/TAnoGAN/Diffusion+CL）从 MIMIC II 语境迁到 VTaC 全线跌到 41-53 分的教训（真报率 28.6% vs >50%、ABP 覆盖 <40%、单中心 vs 多中心，解剖见 §15.7）说明：跨库迁移必须重估标签分布与通道覆盖两个先验。反过来，把 FCN 在 vitaldb 术中数据上测一遍，就是"报警疲劳是否同样存在于手术室"的最省成本验证。

14.6 小结

三代语料的接力说明：假报警研究的瓶颈早已不是数据量，而是标注可信度与标签分布的真实性。VTaC 用 5,037 条专家双标注把前者立住，用 28.61% 的真实真报率把后者立住。选型时记住一句话：它不是"更大的 MIMIC II"，而是分布不同的新基准——拿旧直觉套新基准，正是生成式三模型交出 41-53 分的原因。

（评分代数的完整拆解——公式、退化基线、三种口径——见下一节 §15。）

§15 指标解剖：Challenge Score 的代数、退化基线与三种口径

§5 已给出十一类方法的分数榜，本节把评分本身拆开：Challenge Score 为什么长这样、它在退化策略下行为如何、论文三种表格的分数口径差在哪。本节推算均标注"推算口径"，硬数字全部出自事实清单存档。

15.1 公式逐项拆解

score = (TP + TN) / (TP + TN + FP + 5 × FN)

符号	在 VTaC 评测中的含义	终版池上限
TP	真报警被判为真	1,441
TN	假报警被判为假	3,596
FP	假报警被判为真	3,596
FN	真报警被判为假	1,441，权重 ×5

逐项读法：

1. 分子是判对的数量（真报判真 + 假报判假），分母是"判对 + 误报 + 漏报的 5 倍"。
2. CS 与 accuracy 的全部区别就在那个 5 × FN：误报（FP）权重为 1，漏报（FN）权重为 5。这是报警疲劳语境下"宁可多看一眼，不可漏一次真 VT"的代价观的数学化。
3. 取值上界 1（全对）；下界不是 0，退化行为见 15.2——这正是它比 F1 更"防混"的地方。
4. 该公式沿袭 Challenge 2015 的评分设计（任务定义、VT 判据、指标一并继承，见 §9）；系数 5 的官方逐字动机未在事实清单存档，本节按继承口径书写，不做过度解读。
5. 落地提醒：写完评分函数先跑 12.7 Step 4 的两条退化断言——全判假 33.29、全判真 28.61 都对上了，再去评真模型，否则后面每一步都在给错误的尺子打分。

15.2 退化基线对照表：先看"不作为"能得多少分

策略	TP	TN	FP	FN	Accuracy	CS
全判假（什么都不做）	0	3,596	0	1,441	71.39%	3,596 / 10,801 ≈ 33.29
全判真（全部送人工）	1,441	0	3,596	0	28.61%	1,441 / 5,037 ≈ 28.61
rule-based（实测口径）	≈1,357	≈2,262	≈1,334	≈84	≈71.85%	67.32（论文 Table 4）

三点解读：

1. 全判假的 accuracy 恰等于假报占比 71.39%——不平衡数据上 accuracy 失效的教科书案例。CS 把它压到 33.29，惩罚来源是 1,441 × 5 = 7,205 的漏报代价把分母撑到 10,801。
2. 全判真的 CS 恰等于真报占比：FN=0 时 CS = TP/(TP+TN+FP) = 真报率。直觉解释：把每条报警都送人工核查，等于没有自动判别，分数退化为"真报率"本身——这也解释了为什么"报警全靠人"不可持续。
3. rule-based 的 accuracy（≈71.85%）只比全判假高 0.46 个百分点，CS 却高出约 34 分。在 71% 假报的池子里，accuracy 几乎无法区分"什么都没做"和"抓住了九成真报"——这就是 Challenge Score 存在的全部理由。

（注：rule-based 四格由 TPR 0.942 / TNR 0.629 乘以 1,441 / 3,596 推得，属推算口径；CS 67.32 为论文原值。）

15.3 自洽重构验证：从两个率还原分数（推算口径）

前提：终版池 N真=1,441、N假=3,596；TPR=TP/(TP+FN)，TNR=TN/(TN+FP)。

推演 A（rule-based，正向重构）： 论文 Table 4 显式给出 TPR 0.942、TNR 0.629、CS 67.32、PPV 0.502、F1 0.655。

TP   = 0.942 × 1,441 = 1,357.4     FN = 83.6
TN   = 0.629 × 3,596 = 2,261.9     FP = 1,334.1
CS   = (1,357.4 + 2,261.9) / (3,619.3 + 1,334.1 + 5 × 83.6)
     = 3,619.3 / 5,371.3 ≈ 67.39     （论文 67.32，舍入差 0.07 ✓）
acc  = 3,619.3 / 5,037 ≈ 71.85%
PPV  = 1,357.4 / 2,691.5 ≈ 0.504    （论文 0.502 ✓）
F1   ≈ 0.657                        （论文 0.655 ✓）

四项指标全部咬合，说明 Table 4 的 rule-based 行内部自洽，也说明我们的四格推算方法与论文一致。

推演 B（FCN，反向验证）： 只知 CS 80.08（Table 4）与 TNR 0.949（同表），TPR 未显式存档。设 TP=t，则 FN=1,441−t，TN=0.949×3,596=3,413.6，FP=182.4：

(t + 3,413.6) / (t + 3,413.6 + 182.4 + 5(1,441 − t)) = 0.8008
(t + 3,413.6) / (10,801 − 4t) = 0.8008
t + 3,413.6 = 8,649.2 − 3.2032t
4.2032t = 5,235.6   →   t ≈ 1,245.7   →   TPR ≈ 0.865
代回：4,659.3 / 5,818.2 = 0.8008 ✓

教学点： CS 是 (TPR, TNR) 平面上的一条等值线——同一个 CS 可以由多组 (TPR, TNR) 组合闭合，单一 CS 不能唯一还原混淆矩阵。复现论文时应优先用显式给出的 TPR/TNR（如推演 A），而不是从 CS 反解；反解只在"另一个率已知"时才有唯一答案。

15.4 FN 罚 5 倍：代价不对称的临床理由

1. 漏报（FN）：一次真 VT 未被识别，可能错过处置窗口，直接指向患者安全——单次代价高。
2. 误报（FP）：多花一次人工核查，加剧报警疲劳与"狼来了"麻木——单次伤害小，但累积代价真实存在（附录 H 文献链）。
3. 于是分母给 FN 挂 5 倍权重："少漏一次真报"的价值被制度性地定为"少一次误报"的五倍。任何在 VTaC 上报分的模型，本质上是在这一定价下接受裁判。

15.5 三种分数口径：同一个模型为什么有三个分

表	输入口径	统计口径	最优模型	分数
Table 4	real-time（onset 前 10 s）	10 seeds 训练、按验证 CS 选 5 seeds 报均值±sd	FCN	80.08±2.46
Table 7	real-time test set	10 seeds 中按验证 CS 选出的最佳种子单次	FCN	81.96
Table 8	retrospective（前 10 s+后 5 s）	5 seeds 均值	FCN+CL	78.95±1.41

1. 同一个 FCN，Table 4 与 Table 7 差 1.88 分——不是模型变了，是"5 seeds 均值"与"最佳种子单次"的口径差。跨表比较必须同口径，否则 1-2 分的差距全是统计噪声。
2. real-time 与 retrospective 的差值很小（FCN 80.08 vs 78.41；FCN+CL 78.95 成为 retrospective 最优），说明 onset 后 5 秒的信息增量有限——多数模型对"未来 5 秒"不敏感，这正是论文对 retrospective 提升着墨克制的原因。
3. 跨库分数完全不可比：MIMIC II 时代任何历史结果与上述数字之间隔着真报率、ABP 覆盖、单/多中心三个先验差（14.1、15.7）。

15.6 类不平衡的应对：BCE 正类权重

1. 真报仅 28.61%，裸训 BCE 会让模型滑向"全判假"——退化基线 33.29 分是白送的起跑线。
2. VTaC 论文的做法是在 BCE loss 上加正类权重，抬高每个真报样本的梯度贡献，而不是重采样或过采样；调参范围覆盖 lr、dropout 与正类权重（500 epochs 上限，10 seeds 训练、按验证 CS 选 5）。
3. 一个参照：rule-based 无参数可学尚能拿 67.32，说明心率/形态规则本身携带大量信号；深度模型要超过它，第一步不是堆容量，而是不被不平衡拽回全判假。

15.7 生成式三模型为何全线 41-53 分

论文 Discussion 给出三因素，按因果链排：

1. 真报率不匹配：VTaC 28.6% vs MIMIC II >50%——依赖充足真样本的生成式/重构式方法，在 3.6:1 的假真比下先验直接失衡。
2. ABP 覆盖不足：VTaC 仅 <40% 记录含 ABP，依赖多通道重构的模型少了一条腿。
3. 单中心 vs 多中心：MIMIC II 单一监测系统，VTaC 三医院三厂商——设备指纹（波形形态、滤波特性）的变化让重构误差进一步放大。

给后来者的推论：想在 VTaC 上救回生成式路线，要么重加权/重采样把有效真报率拉上去，要么改用不依赖重构误差的判别式目标——单纯调 BeatGAN 的学习率救不了结构性问题。

FAQ 补问（扩写增补 30 问，编号接前 32 问）

以下 22 问是本次扩写期对 FAQ 主表（32 问）的增补，编号接续；答案口径与 §12-§15、附录 D 及事实清单一致。先给速查表，再逐问展开。三条使用建议：

1. 初次接触、想建立数字地图：按 Q33（真报率为什么低）→ Q41（各级行数对不上怎么办）→ Q45（78.96% 一致率怎么读）的顺序读，三问把数字链的"为什么"补齐。
2. 动手复现：Q34（数据量与截窗）→ Q36（ABP 缺失）→ Q47（CSV join）→ Q49（评分函数）→ Q52（验证集大小）五连，配合 12.7 的流水线走。
3. 选型与合规：Q35（多类报警）→ Q42（儿科）→ Q50（护理数据）→ Q51（商用许可）四问覆盖最常见的负选型与许可疑问。
4. 维护与增补：Q58（纠错流程）与扩写存照小节说明了本条目的口径纪律；新增内容请延续"硬数字出处 + 推算口径显式标注"的双轨写法。

问	一句话答案	详见
Q33 真报率 28.6% 是否说明数据有问题	不是，是三医院临床现实的真实映射	§13.4 / Q33
Q34 一条事件数据量多大	6 分钟 × 250 Hz = 90,000 样本/通道	§12.4 / Q34
Q35 能做多类报警分类吗	不能，只有 VT 真假二分	§14.4 / Q35
Q36 ABP 缺失怎么处理	<40% 覆盖，按通道可用性建模	§15.7 / Q36
Q37 pre-adjudication 能当金标吗	不能，它是过程资产	§13.4 / Q37
Q38 各表分数怎么互比	必须同表同口径	§15.5 / Q38
Q39 Challenge 2015 的模型能搬来吗	能，论文自己就是这么衔接的	§14.5 / Q39
Q40 生成式模型还有救吗	先解结构性三因素再谈调参	§15.7 / Q40
Q41 事件行数为什么对不上	漏斗逐级剔除，看对的是哪一级	§4 / Q41
Q42 有儿科数据吗	没有，底层池是成人 ICU	§14.4 / Q42
Q43 引用挂哪个 DOI	PhysioNet 页口径，GitHub 口径另注	§6 / Q43
Q44 能预测 VT 何时发生吗	不能，任务在报警触发之后	Q44
Q45 78.96% 一致率算高吗	对照的是含糊任务本身，重心在仲裁留痕	§13.4 / Q45
Q46 2013-2022 的数据过时吗	波形是原始信号，价值在标签质量	Q46
Q47 两张 CSV 怎么 join	record+event 二元组主键，一对一校验	§12.3 / Q47
Q48 能只用 Unanimous 子集吗	能，作敏感性分析，双口径报告	§13.4 / Q48
Q49 有现成 challenge score 函数吗	没有，自己实现并用退化值校准	§12.7 / Q49
Q50 有报警声音或护理数据吗	没有，只有波形+标签，上下文回 eicu-crd	Q50
Q51 商用或闭源演示可以吗	许可不禁商用，但 share-alike 不可卸	§12.6 / Q51
Q52 val/test 各 226 条够吗	够对表不够精调，认种子方差	§15.5 / Q52
Q53 能只报 accuracy 吗	能算但无意义，必须 CS+TPR+TNR	§15.2 / Q53
Q54 标注窗 10 分钟、发布窗 6 分钟？	两阶段两种切法，复现以发布窗为准	§13.2 / Q54
Q55 .hea 头文件里有什么	通道名、fs、单位、增益——加载前先读	§12.4 / Q55
Q56 报警 onset 是怎么定的	设备触发，标注窗从触发前 5 分钟起	§13.2 / Q56
Q57 能做报警阈值重调实验吗	不能，发布包不含设备阈值参数	Q57
Q58 发现疑似标注错误怎么办	先自查再走官方纠错渠道	Q58
Q59 rule-based 67 分说明算法退步了吗	不是，分布变了，分数不可跨语料直读	§14.1 / Q59
Q60 论文 related work 里怎么引用 VTaC	四个引用位各有一句话写法	Q60
Q61 评估单位是事件还是记录	CS 按事件算，记录只用于划分与抽样	Q61
Q62 事件后 1 分钟够研究结局吗	不够，看结局回 eicu-crd	§14.5 / Q62

Q33：真报率只有 28.61%，是不是标注错了或数据有问题？
不是。28.61%（1,441/5,037）是三所美国医院真实临床报警分布的映射——监护仪为了"宁可错报不可漏报"而把阈值调得极敏感，假报警占大头是报警疲劳研究的存在前提（§0、§7）。对照 MIMIC II 语料的 >50% 真报率，差异来自研究对象筛选方式不同（§14.1），不是谁标错了。做实验时请把 28.61% 当作数据的属性而非缺陷：它决定了 accuracy 会失真（§15.2）、BCE 要加正类权重（§15.6）、生成式方法要先验失衡（§15.7）。

Q34：一条 6 分钟事件的数据量到底多大？
6 分钟 × 250 Hz = 90,000 样本/通道（float64 约 0.72 MB）。全库满配 6 通道驻留约 21.8 GB、按实际通道覆盖率均值约 8 GB（推算口径，见 §12.4）——建议流式惰性加载，不要一上来 wfdb.rdsamp 全库。onset 标记在第 5 分钟（第 75,000 样本），real-time 任务只用 onset 前 10 s（样本 65,000-75,000），retrospective 多用后 5 s（至样本 76,250）。

Q35：能不能拿 VTaC 做呼吸机、输液泵或 SpO2 报警的多类分类？
不能。VTaC 只收录床旁监护仪触发的 VT 报警事件，标签只有真/假二分（终版剔除了 Uncertain 与 Reject）。多类报警任务属于任务错配；心律失常形态学分类也应回 ludb/cpsc/ltafdb 一类库（§14.3、§14.4）。

Q36：不到 40% 的记录含 ABP，怎么处理？
三种常规姿势：① 按记录实际可用通道建模（多模态入模、单模态退化）；② 只在 ABP 可用的子集上评多模态模型并单独报告子集规模；③ 把"通道可用性"本身当特征。反面教材是生成式三模型：依赖多通道重构却在 ABP <40% 的库上跑，重构误差被系统性放大（§15.7）。PS：预处理配方 ECG 60 Hz notch / 1 Hz highpass / 30 Hz lowpass、PPG 0.5-5 Hz、ABP z-score，见 §5 与事实清单。

Q37：event_labels 之外那份 pre-adjudication 标签能直接当金标用吗？
不能，它是过程资产：预仲裁标签含大量噪声（两位专家未达成一致的 1,208 条就悬在里面），金标以 5,037 条终版为准。它的正确用法是研究"标签噪声红利"——比如用一致子集 vs 预仲裁全集做噪声鲁棒性实验（附录 F 第 11 条）。另外注意：预仲裁与终版标签都逐事件公开，但 event_labels.csv 不含"每条标签来自谁/哪种结局"的列，Unanimous 与 Adjudicated 逐事件不可分辨（§13.4 存照）。

Q38：论文里同一模型出现 80.08、81.96、78.41 好几个分，该引哪个？
先认口径再引数：Table 4 是 real-time 5 seeds 均值±sd（80.08±2.46），Table 7 是最佳验证种子单次（81.96），Table 8 是 retrospective 5 seeds 均值（FCN 78.41、FCN+CL 78.95 最优）。引"方法平均性能"用 Table 4，引"天花板"用 Table 7 并注明口径，谈 onset 后信息价值用 Table 8（§15.5）。跨表相减没有意义，1-2 分都在种子方差以内。

Q39：我在 Challenge 2015 上训好的模型，直接搬到 VTaC 上会怎样？
口径上可以搬——VTaC 的任务定义、VT 判据、指标与通道命名全部继承自 Challenge 2015，论文的 rule-based 基线就是取 Challenge 官网的 Plesinger 2015 获奖实现（§9、§14.5 模式一）。但要预期两件事：① 分布变了，真报率与通道覆盖与赛题语料不同，分数需要重估；② 规模效应可能翻转模型排序——小数据上占优的 CNN+CL 一类方案，在 5,037 条上被 FCN 反超（§5、§14.1）。

Q40：生成式模型（BeatGAN/TAnoGAN/Diffusion+CL）在 VTaC 上还有救吗？
按论文 Discussion 的三因素（真报率 28.6% vs >50%、ABP <40%、单中心 vs 多中心），这是结构性问题而非超参问题。两条救法方向：重加权/重采样把有效真报率拉上去，或改用不依赖重构误差的判别式目标（§15.7）。在没解决先验失衡前，继续调 lr 只会在 41-53 分区间内打转。

Q41：我数出来的事件行数和 event_labels.csv 对不上，漏了什么？
大概率是拿漏斗的某一级行数去对了另一级。全链是：20,158 条记录 → 18,465 事件 → ≤5 抽样送标 5,742 → 一致 4,534 + 冲突 1,208 → 仲裁 816 + 弃 392 → 5,350 → 剔 Uncertain 102 + Reject 211 → 终版 5,037（§4、附录 D）。对不上的常见原因：把 2,376（送标注记录数）当 2,260（终版记录数）用，或把 5,742（送标数）当 5,037（终版事件数）用。

Q42：VTaC 有儿科或新生儿数据吗？
没有。底层池是 2,376 名成人 ICU 患者（2013-2022），无儿科分层；儿科监护的报警阈值与假报警结构与成人差异大，请另寻儿科专用语料（§14.4 负选型第 1 条）。

Q43：引用时 DOI 挂哪个？
正文口径用 PhysioNet 页 DOI 10.13026/8td2-g363（v1.0，2024-10-01）；GitHub README 写的是 10.13026/z4f3-1f07，两口径并存属上游出入，引用时注明取用口径即可（§6 与存照）。另：标注平台 PhysioTag 是独立资源，单独挂 doi:10.13026/g06j-3612，不要和数据集混引。

Q44：能用 VTaC 预测 VT 什么时候发生吗？
不能。VTaC 的每条样本都从一次已经触发的报警出发，任务是判别这次报警的真伪，不是预测下次 VT。时间轴上真正的"未来信息"只有发布窗内 onset 之后那 1 分钟（retrospective 任务多用的 5 s），这也解释了 retrospective 提升有限的现象（§15.5）。做预测任务需要另一套"无报警触发的连续流+前瞻标签"的数据设计，VTaC 不提供。

Q45：78.96% 的专家一致率算高还是低？
先看分母：4,534/5,742，即初次双标注中近八成直接一致，1,208 条进入仲裁、392 条弃标（§13.4）。要注意这是专家对含糊任务的一致率——界限事件、伪影、多通道矛盾都拉低它，与 cleansed 二分类任务的常见高一致率不可直接比。VTaC 的态度是把不一致本身当数据资产：一致/冲突/仲裁/弃标逐级计数全公开，这是它比"只给一个金标文件"的库更可审计的地方（§13.5、§13.7）。

Q46：数据是 2013-2022 年采集的，现在用会不会过时？
波形是原始物理信号（ECG/PPG/ABP @250 Hz），不存在"格式过时"问题；床旁监护的三厂商格局在数据发布时仍是主流场景。VTaC 的价值密度在标签质量（专家双标注+仲裁+全程留痕），这类资产不会随时间贬值。截至本条目撰写，PhysioNet 页为 v1.0（2024-10-01），官方无更新版本；后续若有 v2 应以官方页为准。

Q47：两张 CSV 的主键与 join 方式？
主键是 record+event 二元组（12.3 的三条推论）。event_labels.csv 与 benchmark_data_split.csv 均按此粒度组织，merge 时挂 validate="one_to_one" 防止隐式多对多（完整写法见 12.7 Step 1）。join 后应立即断言三个 split 的 record 数（1,808/226/226），对不上先查是不是把 event 粒度当成了 record 粒度。

Q48：能不能只用 Unanimous（无争议）4,395 条做"干净子集"实验？
能，而且推荐——但必须双口径报告：干净子集结果 + 终版 5,037 全集结果并列，并说明两者事件构成不同（4,395+642=5,037，§13.4）。只报子集分数会让读者误以为是官方口径；Adjudicated 642 条里真报 219 条被拿掉后，真报率会从 28.61% 变化，所有不平衡相关结论都要重新校准。另外注意 Unanimous 与 Adjudicated 逐事件不可从 CSV 分辨（无来源列，13.4 存照）——自行复现子集划分需依赖预仲裁文件与终版标签的差集。

Q49：sklearn 或 wfdb 里有现成的 challenge score 函数吗？
没有，需要自己实现——这正是 12.7 Step 4 用两条退化基线（33.29/28.61）校准的原因。常见错误是拿 balanced_accuracy 或 F1 充数：前者对称对待两类、后者不含 5 倍 FN 权重，数值与 CS 差得很远，与 Challenge 2015 谱系的论文都不可比。

Q50：有报警声音、护理交互或护理负荷数据吗？
没有。VTaC 发布的是波形+标签+划分三件套，不含音频、护理记录或工作负荷测量。做"报警噪音与护理人员负担"一类研究，波形端用 VTaC、人力/上下文端回 eicu-crd 补（14.5 模式二的延伸）。

Q51：商用产品或闭源演示页可以用 VTaC 吗？
CC BY-SA 4.0 不禁止商用，但 share-alike 不可卸：基于 VTaC 派生的数据集、榜单、演示页必须继续以同许可发布（12.6 红线 6）。在模型权重是否构成"改编"这一点上许可边界存灰色地带，稳妥做法是模型与派生资产一并声明同许可，并在产品说明中挂原始 DOI。

Q52：val/test 各只有 226 条记录，够用吗？
对表够、精调不够。226 条记录对应的事件数在数百量级，模型选型的随机波动可观——FCN 的 5 seeds 标准差就有 ±2.46（Table 4）。实操建议：验证集只做超参粗选与种子筛选（官方协议正是 10 seeds 训练、按验证 CS 选 5，§15.5），最终结论以 test 一次报出，别在 val 上反复迭代后直接拿 val 分数当结论。

Q53：论文复现时能只报 accuracy 吗？
能算但没意义——全判假白送 71.39%（15.2）。VTaC 语境下的最低诚意配置是 CS+TPR+TNR 三件套：CS 用于与 Challenge 谱系对表，TPR/TNR 用于还原混淆矩阵（15.3 推演 A 的姿势）。只给一个 accuracy 的 VTaC 论文，审稿人无法判断它是好是坏。

Q54：标注窗 10 分钟、发布窗 6 分钟，为什么两个口径？
标注期用 10 分钟（onset 前 5 后 5），给专家足够的后窗上下文判断"这次报警最终是不是真 VT"；发布版收紧为 6 分钟（前 5 后 1），两阶段各自自洽（13.2 的两官方设置互查）。论文未逐字说明收紧动机（口径注：属上游未存档细节），可确定的是复现必须以发布窗为准——用 10 分钟窗跑出来的分数与 Table 4 不可比，多出的 4 分钟后窗等于给模型递了后见之明。

Q55：.hea 头文件里有哪些信息值得先看？
通道名（sig_name，多模态对齐的依据）、采样率（fs，统一 250 Hz）、单位与增益（对 ABP 的 mmHg 定标尤其重要）、样本数与基线。加载前先读头文件再决定截窗与列对齐，比直接 rdsamp 后再排查省一半时间（属性表见 12.4）。注意 .hea 与 .dat 必须成对下载，缺一头 wfdb 直接报错（12.6 翻车点 2）。

Q56：报警事件的 onset 是怎么确定的？
onset 是监护仪算法触发报警的时刻，不是标注员后补的：标注窗从触发前 5 分钟开始，把 onset 定在第 5 分钟（发布窗第 75,000 样本），前 5 分钟是"报警发生前的监护流"，后窗给专家看结局（13.2）。这也定义了任务边界：模型能用的信息以触发时刻为界，real-time 不许偷看后窗（12.7 红线 2）。

Q57：能拿 VTaC 做"调整报警阈值以减少假报"的实验吗？
不能。发布包里只有原始波形与专家标签，设备的报警算法与阈值参数不随数据发布——事件是设备按其内部逻辑触发后截窗的，研究者无从回放"如果阈值调低 5% 会触发哪些报警"。VTaC 能支撑的是事后判别（对已触发报警判真伪）；阈值层实验需要能控制触发逻辑的前瞻采集或厂商合作（口径注：从数据构成直接推出，官方文档未单列此限制）。

Q58：如果我发现疑似标注错误的条目，该怎么办？
三步：① 先自查——回到多通道原始波形复盘，并检查该事件在预仲裁文件与终版标签间是否属于仲裁分歧区（13.4 的语义表）；② 确认后通过 PhysioNet 资源页的官方纠错渠道反馈，附 record+event 主键与你的判读依据；③ 不要直接改本地 event_labels.csv 之后宣称"修正版基准"——那会破坏与官方划分及他人结果的可比性。许可允许派生，但派生必须如实标注差异（12.6 红线 6）。

Q59：rule-based 在 VTaC 上拿 67.32 分，能说明"十五年过去算法反而不如从前"吗？
不能，这是跨语料直读分数的典型误用。Plesinger 2015 实现跑到 VTaC 上得 67.32，与它在 Challenge 2015 语料上的历史表现之间隔着真报率（28.61% vs 赛题分布）、通道覆盖与数据规模三重差异（14.1、15.5）——同一实现跑新数据证明的是口径衔接，不是算法演化。要谈"算法进步了吗"，只能看 VTaC 论文内部的同台结果：FCN 80.08 对 rule-based 67.32，同数据同口径，+12.76 分才是干净的进步量。

Q60：写论文 related work 时，VTaC 应该放在哪几个引用位？
四个常见位置，各给一句话写法参考：① 假报警消除——“VTaC 将专家双标注的 VT 报警基准扩展到 5,037 条，是 Challenge 2015 之后规模最大的公开语料”；② 报警疲劳——“三医院 ICU 真实报警分布显示 71.39% 为假报警，为报警疲劳提供了量化锚点”；③ 标注方法学——“其四档选项+仲裁协议将标注一致率、分歧处置与过程资产全部公开”；④ 不平衡学习——“28.61% 的正类率与 5 倍 FN 加权的 Challenge Score 构成了代价敏感评测的标准案例”。引用时挂 PhysioNet DOI 并注明 v1.0（Q43）。

Q61：评估单位是"事件"还是"记录"？
Challenge Score 按事件算——终版 5,037 条事件逐条计 TP/TN/FP/FN（15.1）。记录（2,260 条）只在两处起作用：官方 train/val/test 划分的单位（12.7 Step 2）与"每患者记录 ≤5 条送标"的抽样上限（§4）。把记录级当成评估单位（如按记录取平均再平均）会改变加权方式，与论文分数不可比。

Q62：想研究"VT 报警之后的临床后果"，发布窗里那 1 分钟后窗够吗？
不够。发布窗在 onset 后只保留约 1 分钟（§13.2），看不到处置、用药与结局——这不是它的任务。波形-结局研究请按 14.5 模式二回 eicu-crd 补 EHR 侧；若必须有更长的 VTaC 同源后窗，只能回到上游医院原始数据（未公开），属客观边界而非数据缺陷。

扩写存照（本次新增内容的口径说明）

1. 推算口径清单：§12.4 内存预算（21.8 GB / 8 GB）、§15.2-§15.3 混淆矩阵四格与 CS 重构（67.39/80.08 闭合）均标注"推算口径"，输入参数全部来自事实清单存档值，输出值用于自洽性验证而非替代论文原值。
2. 附录 B.1 出入存照：附录 B.1"6 分钟（75,000 样本/通道）"的表述与 250 Hz × 360 s = 90,000 的换算不符（75,000 为 onset 第 5 分钟位置样本数，即 250 × 300）；本扩写各节（12.4、12.7、13.2、Q34）均按 90,000 样本/通道口径书写，原稿未改动，建议后续版本统一勘误为 90,000。
3. 事实清单第 45 条存照：Unanimous 真报三元组转录合计 4,405 与总数 4,395 差 10；本扩写按总数口径（4,395；1,222+219=1,441）引用，逐事件归属以 event_labels.csv 实际文件为准（§13.4）。
4. "推算口径"边界：FAQ 补问 Q33-Q54 与 §14-§15 未引入任何事实清单之外的新外部来源；MIMIC II 真报率 >50%、生成式三因素等为论文 Discussion 的引用口径，非独立核验。
5. 与既有正文的去重说明：§14 与 §9 分工——§9 是"关系地图"（谁和谁有关），§14 是"选型决策"（你的问题该用谁），互链 rid 表只保留 §9 一份；§15 与 §5 分工——§5 给分数榜与结论，§15 解剖评分代数与口径；FAQ 补问对 §12-§15 只做指路与一句话浓缩，不复制正文段落。
6. 多口径使用边界（承事实清单存照 §9）：本次扩写沿用既有纪律——5,742（送标）/5,350（仲裁后）/5,037（终版）逐级点名，不混用；2,376（送标注记录数）与 2,260（终版记录数）分场景书写；DOI 正文口径 10.13026/8td2-g363、GitHub 口径另注（Q43）；三医院与三厂商保持"未公开点名"表述。
7. 编号与结构纪律：原 FAQ 标题"## FAQ（高频问答 32 问）"未改动；补问以独立 H2 置于其前并连续编号至 Q62，速查表与标题内的问数（30 问）随扩写同步更新，避免"表列 14 问、正文 22 问"的失配。
8. 本次扩写增量备查：条目行数 830 → 约 1,400+。增量来自：§12（105 行，其中 12.7 最小复现路径 53 行）、§13（76 行）、§14（85 行）、§15（104 行）、FAQ 补问 Q33-Q62（30 问，含速查表）、扩写存照小节。全部以 Edit 追加方式落盘，未重写既有正文，frontmatter 未改动。
9. 维护者交接：后续增补 FAQ 时请同步三处——补问标题问数、速查表行、正文问题段；涉及新数字时先查事实清单是否已有存档，推算值必须显式标注"推算口径"并写明输入参数。

FAQ（高频问答 32 问）

Q1：VTaC 的全称是什么？
VTaC: A Benchmark Dataset of Ventricular Tachycardia Alarms from ICU Monitors。缩写展开为 Ventricular Tachycardia annotated alarms from ICUs——“从 ICU 来的、带标注的室性心动过速报警”。注意官方拼法是驼峰 VTaC，不是全大写。

Q2：数据集解决的核心问题是什么？
ICU 床旁监护仪的 VT 假报警占比极高（本库实测 71.39%），造成报警疲劳并可能淹没真报警；而可靠的假报警消除算法一直受制于小而同质的旧数据。VTaC 提供 5,037 条三中心、多厂商、专家双标注的报警波形，作为该任务的大规模公开基准。

Q3：谁做的这个数据集？
MIT 的 Li-wei H. Lehman 团队（通讯作者）联合 Emory University 与 Georgia Tech 的 Gari Clifford、Qiao Li，共 11 位作者。Benjamin Moody、Roger Mark 等均为 PhysioNet/MIMIC 波形体系的核心创建者，NIH R01 EB030362 资助。

Q4：论文发表在哪？
NeurIPS 2023（第 37 届神经信息处理系统大会）Datasets and Benchmarks Track。数据本体 2024 年 10 月 1 日在 PhysioNet 发布 Version 1.0。

Q5：5,037 条报警是怎么来的？
底层池 20,158 条连续波形记录（2013-2022）→ 抽出 18,465 个 VT 事件/2,376 个患者记录 → 每记录随机 ≤5 事件送标 5,742 条 → 双标注一致 4,534 + 冲突仲裁 816 - 弃 392 = 5,350 → 剔除 Uncertain/Reject 313 条 → 终版 5,037。

Q6：每条数据具体包含什么？
6 分钟 WFDB 波形段（报警前 5 分钟 + 后 1 分钟，onset 在第 5 分钟标记处），通道至少两导 ECG 加至少一条脉搏波形（PPG/PLETH 或 ABP），统一 250 Hz；外加 event_labels.csv 里的终审标签（true/false）。

Q7：标签是怎么打的？
在开源平台 PhysioTag 上，每条事件由至少两名独立专家标注，选项四档：True/False/Uncertain/Reject。两人冲突时走一对一讨论或仲裁人投票。标注团队六人，含一位 40 年以上经验的认证心律技师与一位心律专家医师。

Q8：专家一致率多少？
78.96%（4,534/5,742）。也就是说约五分之一的报警连两位专家都意见相左——这既是数据集难度的诚实标尺，也是生理信号标注噪声地板的公开教学案例。

Q9：真报警和假报警比例多少？
真 1,441（28.61%）/ 假 3,596（71.39%）。这个不平衡是刻意保留的真实 ICU 先验，官方指标 Challenge Score 也因此对 TPR 加权更高。

Q10：官方数据划分是什么？
80-10-10，在患者记录级别切分（同患者报警不跨集）：train 4,060 条/1,808 记录、validation 495 条/226 记录、test 482 条/226 记录。划分表在 benchmark_data_split.csv。

Q11：数据从哪些医院来的？
三所美国大型医院（多个 ICU），官方未点名。项目获 MIT 及各参与机构 IRB 批准，PHI 去标识后豁免知情同意。

Q12：用了哪些厂商的监护仪？
三个主流商用厂商，官方未点名。多厂商混合是 VTaC 相对旧基准的关键差异之一——专测算法跨设备的泛化能力。

Q13：数据与 PhysioNet Challenge 2015 有重叠吗？
没有。论文明确声明两者零重叠（VTaC 收集截至 2022），因此 VTaC 可作为 Challenge 2015 方法的独立外部验证集。

Q14：license 是什么？商用可以吗？
CC BY-SA 4.0，Open Access。商用允许，但署名（数据 DOI + 论文双引用）与相同方式共享（衍生库续用 CC BY-SA）义务必须履行。与 MIMIC 系的 physionet.org credentialed 协议不同，VTaC 免注册直下。

Q15：怎么下载？
PhysioNet 主页 physionet.org/content/vtac/1.0/ 直接下载 zip 或用 wget；也可用 PhysioNet 官方工具链。无需任何注册或审批。

Q16：怎么加载？
wfdb-python 的 rdrecord 读波形，pandas 读 event_labels.csv 与 benchmark_data_split.csv。record/event 代理名即波形文件路径键。

Q17：有官方代码吗？
有：github.com/ML-Health/VTaC，Python 3.8 + torch 1.9 + wfdb 4.1.1，含预处理（滤波、按事件 z-score）、五类模型实现与训练评估脚本。

Q18：预处理要注意什么？
ECG：60 Hz 陷波 + 1 Hz 高通 + 30 Hz 低通；PPG：60 Hz 陷波 + 0.5-5 Hz 带通；ABP：去离群 + 按事件按通道 z-score。跳过 z-score 标准化会直接影响复现分数。

Q19：基线分数多少？
real-time（5 seeds 均值，Table 4）：rule-based 67.32，MLP 45.58，SAE 68.77，Transformer 62.73，CNN 76.17，FCN 80.08±2.46（AUC 0.949），CNN+CL 79.07，FCN+CL 78.41，BeatGAN 41.02，TAnoGAN 47.61，Diffusion+CL 52.51。最佳种子单次 FCN 可达 81.96（Table 7）。

Q20：哪类模型表现最好？
real-time 是 FCN（80.08），retrospective 是 FCN+CL（78.95）。对比学习对 CNN 提升明显（76.17→79.07）但对 real-time 的 FCN 边际；BeatGAN/TanoGAN/Diffusion 等生成式全线 41-53 分——MIMIC II 上领先的条件生成范式在 VTaC 的低真率、低 ABP 覆盖、多中心异质下集体失灵。

Q21：Challenge Score 怎么算？
沿用 2015 Challenge 定义：score = (TP+TN)/(TP+TN+FP+5×FN)——漏报一个真报警（FN）按 5 倍惩罚，天然向高 TPR 方案倾斜；分类阈值取验证集分数最大化的截断点。论文同时报告 TPR/TNR/PPV/F1 与 AUC。

Q22：real-time 和 retrospective 有什么区别？
real-time 只用报警 onset 前 10 秒数据（临床部署场景）；retrospective 用 15 秒窗（前 10 秒 + onset 后 5 秒）。多数模型分差不大且最优易主（FCN→FCN+CL），说明信息主要在报警前的节律形态里，报警后的 5 秒只对加了对比学习的模型有增益。

Q23：能拿到患者的临床信息（诊断、结局）吗？
不能。VTaC 只发布波形与报警标签，不含 EHR 数据（作者自曝限制）。波形-临床融合需另行链接 eicu-crd 或 MIMIC 系——但代理名使其与 VTaC 患者不可互查，只能做分布级对照。

Q24：标注的 VT 定义是什么？
五个或以上连续室性心搏、心率高于 100 bpm，沿用 PhysioNet Challenge 2015 的口径。判定对象是报警触发点是否成立，不是逐搏心律分类。

Q25：PhysioTag 是什么？
MIT LCP 开源的浏览器协作波形标注平台（CinC 2022 发表，PhysioNet 软件发布 doi:10.13026/g06j-3612）。VTaC 的全部标注在其上完成；任何团队可复用其搭建自己的波形标注流水线。

Q26：为什么剔除了 Reject/Uncertain 事件？
Reject（211 条）代表波形不可读，Uncertain（102 条）代表专家无法定论——保留会给标签引入系统性噪声。但这也意味着最难样本被移除（幸存者偏差），外推到真实报警流时需打折扣。

Q27：和 MIMIC-II 那套 1,900 条 VT 报警什么关系？
Aboukhalil 2008 用 MIMIC-II 标注了 1,900 条 VT 报警，是该领域第一块公开语料；VTaC 对比表将其列为第三列。MIMIC-II 单源、需 credentialed；VTaC 三中心、全开放、双标注——两者在论文中是新旧基准的代际对照。

Q28：每名患者最多几条报警？
送标注阶段每个患者记录最多随机抽 5 条，防止报警多的危重患者过度代表。终版 5,037 条覆盖 2,260 名患者，人均约 2.2 条。

Q29：记录名为什么是乱码？
去标识要求：所有 record/event 名为随机代理名，替换真实病历号与日期。这是数据可用与患者隐私之间的交换——代价是失去与其他临床库的个体级链接能力。

Q30：数据采集时间跨度？
底层池 2013-2022 年。VT 定义与标签协议不变，跨年份的设备固件与算法版本差异被三个厂商混合摊薄——这既是多样性来源，也是无法变量控制的混杂。

Q31：引用时写哪个 DOI？
数据用 PhysioNet 页口径 10.13026/8td2-g363（GitHub README 曾写 10.13026/z4f3-1f07，属早期残留），论文引用 NeurIPS 2023 Datasets and Benchmarks Track，并按 PhysioNet 惯例附平台引文。

Q32：还缺什么、未来会补什么？
作者在 Usage Notes 明示：缺匹配临床数据，“我们把匹配临床数据的收集留给未来研究”。在那之前，波形-结局研究只能用 eicu/MIMIC 做分布级替代。

事实清单（硬事实 49 条）

1. 数据集全称：VTaC: A Benchmark Dataset of Ventricular Tachycardia Alarms from ICU Monitors。
2. 缩写展开：Ventricular Tachycardia annotated alarms from ICUs。
3. 论文发表于 NeurIPS 2023（37th）Datasets and Benchmarks Track，proceedings hash 7a53bf4e02022aad32a4019d41b3b476。
4. PhysioNet 发布日期 2024-10-01，Version 1.0，首个且唯一版本。
5. 数据 DOI：10.13026/8td2-g363（PhysioNet 页口径）；GitHub README 口径 10.13026/z4f3-1f07（存照）。
6. RRID：SCR_007345。
7. 论文 11 位作者：Lehman、Moody、Deep、Wu、Saeed、McCullum、Perry、Struja、Li、Clifford、Mark。
8. 机构：9 人 MIT（含通讯作者 Li-wei H. Lehman）、Qiao Li 为 Emory University、Gari Clifford 为 Emory University + Georgia Tech。
9. 官方代码库 github.com/ML-Health/VTaC。
10. 底层波形池：20,158 条连续多通道波形记录，2013-2022 年采集。
11. 底层池平均患者记录时长 4.5 天。
12. 抽取池：18,465 个 VT 报警事件，对应 2,376 个唯一患者波形记录。
13. 抽取规则：每个患者记录随机最多 5 个报警事件。
14. 送标注事件：5,742 条。
15. 双标注一致：4,534 条（78.96%）。
16. 双标注冲突：1,208 条（21.04%）。
17. 冲突中仲裁成功 816 条（66.55%），未仲裁移除 392 条。
18. 有最终决定事件：5,350 条。
19. Uncertain 102 条（1.91%）、Reject 211 条（3.94%），剔除后终版 5,037 条。
20. 终版覆盖 2,260 个唯一患者波形记录。
21. 真报警 1,441 条（28.61%）；假报警 3,596 条（71.39%）。
22. 划分：80-10-10，患者记录级切分。
23. train 4,060 条/1,808 记录/1,163 真报警；validation 495 条/226 记录/141 真；test 482 条/226 记录/137 真。
24. 发布版每事件 6 分钟波形段：报警前 5 分钟 + 后 1 分钟，onset 在第 5 分钟标记处。
25. 标注阶段事件段为 10 分钟（前 5 + 后 5）。
26. 信号统一重采样 250 Hz；WFDB 格式；通道命名对齐 Challenge 2015 nomenclature。
27. 每条记录 ≥2 ECG 导联 + ≥1 条脉搏波形（PPG/PLETH 与/或 ABP）。
28. 数据来源：三所美国大型医院（未点名）多个 ICU。
29. 监护设备来自三个主流厂商（未点名）。
30. 与 PhysioNet Challenge 2015 数据零重叠。
31. 标注团队 6 人：40+ 年经验 board certified 心律技师、心律专家医师、3 名临床医师、1 名信号处理工程师。
32. 标注平台 PhysioTag（开源；CinC 2022；PhysioNet doi:10.13026/g06j-3612）。
33. VT 定义：≥5 个连续室性心搏且心率 >100 bpm（沿用 Challenge 2015）。
34. 标注选项四档：True/False/Uncertain/Reject。
35. license：CC BY-SA 4.0（Creative Commons Attribution-ShareAlike 4.0 International）。
36. 访问级别：Open Access（免注册、免 credential、免 DUA）。
37. Challenge Score 公式：(TP+TN)/(TP+TN+FP+5×FN)，漏报真报警按 5 倍惩罚；阈值取验证集 CS 最大化的截断点。
38. real-time 5 seeds 均值（Table 4）：rule-based 67.32（TPR 0.942/TNR 0.629/PPV 0.502/F1 0.655）、MLP 45.58±1.10、SAE 68.77±1.11、Transformer 62.73±2.78、CNN 76.17±1.20、FCN 80.08±2.46（AUC 0.949±0.006，最优）、CNN+CL 79.07±0.99、FCN+CL 78.41±0.87、BeatGAN 41.02±2.71、TAnoGAN 47.61±0.87、Diffusion+CL 52.51±2.61。
39. Table 7（real-time 最佳种子单次）：FCN CS 81.96、AUC 0.948、TPR 0.949；CNN 76.43、CNN+CL 77.92。
40. Table 8（retrospective 5 seeds 均值）：rule-based 65.54、CNN 76.94±1.61、FCN 75.84±1.86、CNN+CL 78.85±1.95、FCN+CL 78.95±1.41（retrospective 最优）、BeatGAN 46.22、TAnoGAN 46.97、Diffusion+CL 49.70。
41. 生成式失败三因素：MIMIC II 真报警率 >50% vs VTaC 28.61%；MIMIC II ABP 覆盖高 vs VTaC <40%（实测 35.7%）；MIMIC II 单中心单一监测系统 vs VTaC 多中心多厂商。
42. 模型输入窗口：real-time = onset 前 10 秒（生成式更小）；retrospective = 15 秒（前 10 + 后 5）；输入固定 4 通道（2 ECG + 1 ABP + 1 PPG）。
43. 通道覆盖率（Table 3）：ECG 100%、PLETH 90.6%、ABP 35.7%（事件层面）。
44. 划分真报警率稳定性：Overall 28.61% / Train 28.65% / Val 28.90% / Test 28.48%。
45. 终版构成：Unanimous 4,395（3,518/449/438）+ Adjudicated 642（542/46/54）= 5,037。
46. rule-based 基线实现：Plesinger et al. 2015（Challenge 2015 获奖方案），代码取自 Challenge 官网。
47. 架构要点：MLP 1024/256/64；SAE 编解码各 4 卷积层 + 32 维潜向量；CNN 窗口 50/100/200/400 四特征提取器；FCN 3 卷积 + BN + 自适应池化；Transformer 单层 encoder 128 维 8 头 GELU。
48. 类不平衡处理：BCE loss 加正类权重（正类 = 真报警）。
49. 资助：NIH R01 EB030362；伦理：MIT 及各参与机构 IRB 批准、PHI 去标识、知情同意豁免。

术语表（32 条）

缩写/术语	全称/解释
VTaC	Ventricular Tachycardia annotated alarms from ICUs
VT	Ventricular Tachycardia，室性心动过速
ICU	Intensive Care Unit，重症监护室
alarm fatigue	报警疲劳——医护人员对高频报警脱敏的现象
false alarm reduction	假报警消除——判别报警真伪的算法任务
ECG	Electrocardiogram，心电图
PPG / PLETH	Photoplethysmogram，光体积描记脉搏波（监护仪称 PLETH）
ABP	Arterial Blood Pressure，动脉血压（有创连续波形）
WFDB	Waveform Database 格式——PhysioNet 推荐的波形存储标准
PhysioNet	MIT 主导的生理信号与临床数据公开平台
PhysioTag	MIT LCP 开源浏览器协作波形标注平台
Challenge Score	PhysioNet Challenge 2015 定义的复合分，对 TPR 加权更高
TPR / TNR / PPR	真阳率 / 真阴率 / 阳性预测率
AUC	ROC 曲线下面积
FCN	Fully Convolutional Network，全卷积网络
MLP	Multilayer Perceptron，多层感知机
CNN	Convolutional Neural Network，卷积神经网络
CL	Contrastive Learning，对比学习（自监督预训练范式）
BeatGAN / TanoGAN	基于 GAN 的波形生成/异常检测基线模型
Diffusion	扩散模型——生成式异常检测基线
adjudication	仲裁——双标注冲突的第三方裁决流程
pre-adjudication	预仲裁标签——仲裁前的原始双标注决定
unanimous	双标注一致事件
Reject / Uncertain	标注四选项中的"不可读"与"存疑"档
onset	报警触发点——发布版波形段的第 5 分钟标记处
phi / PHI	Protected Health Information，受保护健康信息
IRB	Institutional Review Board，机构审查（伦理）委员会
credentialed access	PhysioNet 的受训签协议访问级别（VTaC 不需要）
DUA	Data Use Agreement，数据使用协议（VTaC 不需要）
CC BY-SA 4.0	署名-相同方式共享 4.0 国际许可协议
DOI	Digital Object Identifier，数字对象标识符
NeurIPS D&B Track	神经信息处理系统大会数据集与基准赛道

附录

附录 A：抓取与核验时点（源清单）

本条目全部事实核验于 2026-10-09，三源互证结构如下：

源	URL/路径	角色	抓取方式
PhysioNet 数据主页	https://physionet.org/content/vtac/1.0/	一手·权威：规模、标注协议、数据描述、license（CC BY-SA 4.0）、citation/DOI、发布日期	WebFetch + curl 定点抓取 license 字段
NeurIPS 2023 论文 PDF	https://proceedings.neurips.cc/paper_files/paper/2023/file/7a53bf4e02022aad32a4019d41b3b476-Paper-Datasets_and_Benchmarks.pdf	一手·权威：作者机构、数字链、评估表格、划分、20,158 池、2013-2022 跨度、与 Challenge 2015 不重叠	curl 下载 + pdftotext 全文提取（920 行）
GitHub 官方代码库	https://github.com/ML-Health/VTaC	一手·佐证：代码结构、预处理配方、依赖版本、论文链接	WebFetch
PhysioNet 资源列表页	https://www.physionet.org/content/?topic=tachycardia 等	二手·佐证：条目描述与主页一致性	WebSearch 结果
论文第三方综述页	https://lacuna.tiptreesystems.com/work/vtac-…-from-icu-monitors/	二手·佐证：评估数字与论文 PDF 一致（FCN 80.08/0.949、rule-based 67.32）	WebSearch 结果

核验纪律存照：WebSearch 共 1 次、WebFetch 共 4 次、curl 2 次（license 定点抓取 + PDF 下载）；全部数字未做任何二次来源的交叉猜测，冲突处见附录 C。

附录 B：数据字典

B.1 波形本体（waveforms/）

项	说明
目录结构	waveforms/<patient_record>/<event>.hea + .dat（WFDB）；每 patient_record 子文件夹 ≤5 个事件
采样率	统一 250 Hz
通道	≥2 ECG 导联 + ≥1 条 PPG/PLETH 与/或 ABP；命名对齐 Challenge 2015 nomenclature
事件段	6 分钟（75,000 样本/通道）：报警 onset 位于第 5 分钟标记（第 75,000 个样本处）
命名	patient_record 与 event 均为随机代理名（去标识）

B.2 event_labels.csv

字段	类型	语义
record	string	患者波形记录代理名（=波形目录键）
event	string	事件代理名（=波形文件键）；同一 record 下 ≤5 个
decision	string	终审决定（true/false）——双标注+仲裁后的最终标签

B.3 benchmark_data_split.csv

字段	类型	语义
record/event	string	与 event_labels.csv 同键
split	string	train / validation / test（患者记录级 80-10-10）

B.4 规模速查

split	事件数	记录数	真报警
Overall	5,037	2,260	1,441
Train	4,060	1,808	1,163
Validation	495	226	141
Test	482	226	137

抽样自检建议：任一 split 的真报警比例应接近 28.6%；同一 record 不应跨 split 出现；decision 取值域应为 {true, false} 二值（Reject/Uncertain 已剔除）。

附录 C：双口径与多口径存照总表

#	口径点	口径 A	口径 B	处置
1	数据 DOI	10.13026/8td2-g363（PhysioNet 页 citation）	10.13026/z4f3-1f07（GitHub README）	正文用 A；B 属早期残留存照（坑 5）
2	事件段窗口	10 分钟（前 5+后 5）——标注工作面	6 分钟（前 5+后 1）——发布版交付物	两者并存均为官方口径，正文分场景写明（坑 2）
3	患者记录数	2,376（送标注层）	2,260（终版层）	均为官方数字，引用须挂各自事件数（坑 3）
4	报警总数	over 5,000（宣传口径）	5,037（发布版精确数）	正文统一用 5,037；流水线口径 5,742/5,350 另注
5	医院身份	three major US hospitals（官方）	具体医院名——官方从未披露	按"三所美国大型医院（未点名）"成稿（坑 4）
6	厂商身份	three leading vendors/manufacturers（官方）	具体品牌——官方从未披露	同上，不得移植 Challenge 2015 的 Philips/GE 口径（坑 4）
7	PhysioNet 署名顺序	页面署名：Lehman, Moody, McCullum, Saeed, Deep, Perry, Struja, Li, Clifford, Mark（10 人）	论文 PDF 署名：Lehman, Moody, Deep, Wu, Saeed, McCullum, Perry, Struja, Li, Clifford, Mark（11 人，含 Feng Wu）	数据引用用页面口径、论文引用用 PDF 口径；差异在人名清单而非事实冲突
8	生成式基线分数	论文表格有逐格数字	本条目未逐格转录	定性结论（欠佳）+ 指引查原表（坑 8）

附录 D：数字链逐级来源表

数字	出处	位置
20,158 / 2013-2022 / 4.5 天	论文 PDF	附录正文（data collection 段）
18,465 / 2,376	论文 PDF	Methods 首段 + 附录重述
≤5 事件/记录	论文 PDF	Methods 抽样规则
5,742 / 4,534 / 78.96% / 1,208 / 21.04%	论文 PDF	Methods·Annotation Process
816 / 66.55% / 392 / 5,350	论文 PDF	同上
102（1.91%）/ 211（3.94%）	论文 PDF	Table 1 上下文段
5,037 / 1,441 / 28.61%	论文 PDF + PhysioNet 页	Table 1 + Data Description
2,260（终版记录数）	论文 PDF	附录重述段
4,060/495/482 与 1,808/226/226	论文 PDF	Table 3
1,163/141/137（真报警）	论文 PDF	Table 3
67.32（rule-based real-time CS）	论文 PDF	Table 4 + 结果正文
80.08±2.46 / 0.949±0.006（FCN real-time 均值）	论文 PDF	Table 4
81.96 / 0.948（FCN real-time 最佳种子单次）	论文 PDF	Table 7
78.95±1.41（FCN+CL retrospective 最优）/ 65.54（rule-based retro）	论文 PDF	Table 8 + C.2 节
76.17 → 79.07（CNN vs CNN+CL）	论文 PDF	Table 4
生成式三分数 41.02/47.61/52.51	论文 PDF	Table 4（retro 版 46.22/46.97/49.70 见 Table 8）
指标公式 (TP+TN)/(TP+TN+FP+5×FN)	论文 PDF	Evaluation 段
模型输入 10 秒/15 秒窗、4 通道	论文 PDF	§5.1-5.2
341/221/1,900 对比口径	论文 PDF	Table 2
CC BY-SA 4.0 / Open Access	PhysioNet 页	license 字段 + JSON-LD
2024-10-01 / v1.0 / first release	PhysioNet 页	头部 + Release Notes
6 分钟段 / onset 第 5 分钟标记	PhysioNet 页	Data Description
250 Hz / WFDB / ≤5 事件	PhysioNet 页 + 论文 PDF	Data Description + Methods
预处理配方（滤波参数）	GitHub README	preprocessing 段
NIH R01 EB030362	PhysioNet 页 + 论文 PDF	Acknowledgements
40+ 年经验技师 / 6 人团队	论文 PDF	Annotation Team 段

附录 E：论文结构导览（按节找数）

论文位置	内容	本条目引用处
Abstract	over 5,000、三医院三厂商、≥2 导联 ECG+脉搏波形、双标注	INFOBOX、§0
§1 Introduction	45% 报警占比、VT 最难判、MIMIC-II 1,900 与 Challenge 341/221 前代口径	§0、§7.1
§2 Related Work	Aboukhalil 2008、Challenge 2015、单源小数据限制	§0、§7.1
§3 VTaC Dataset	18,465/2,376、≤5 抽样、10 分钟段、250 Hz、PhysioTag、四档选项、一致率与仲裁链	§3、§4
Table 1	4,534/816/5,350 按标注决定分解；1,222+219=1,441 真报警	§4、附录 C
§4 Benchmark Experiments	80-10-10 划分、real-time/retrospective 窗口、评价指标定义	§5.1
Table 2	Challenge’15/MIMIC II/VTaC 对比（341/221/1,900/5,037；Open Access Y/N/Y/Y）	§2.5
Table 3	train/val/test 构成（事件、记录、真报警、通道分布）	§4、附录 B.4
§5 Results	rule-based 67.32、FCN 80.08±2.46/0.949、CNN+CL 76.17→79.07、retrospective 81.96	§5.2、§5.3
§6 Conclusion	FCN 最优结论、基准贡献声明	§11
Appendix A（论文）	数据收集重述：20,158、2013-2022、4.5 天、不重叠声明、流程图	§4、附录 D
Table 5（论文附录）	一致/冲突/仲裁的完整分解	§4

附录 F：基于本数据集的研究检查清单（12 项）

1. license 合规：再分发或建库必须续 CC BY-SA 4.0；署名双件套（数据 DOI + NeurIPS 论文）不可省。
2. 划分纪律：使用 benchmark_data_split.csv 的官方划分做可比性；自划必须保持患者记录级隔离。
3. 类不平衡：禁用裸 accuracy 汇报；沿用 Challenge Score 或 AUC，并报告 TPR/TNR 分解。
4. 阈值协议：分类阈值取验证集 Challenge Score 最大化的截断点，不得偷看测试集调阈值。
5. 预处理一致性：与论文分数对标时完整执行 filtering.py + standardize.py（按事件按通道 z-score）。
6. 窗口口径：训练管道按发布版 6 分钟段、onset 第 5 分钟标记；引用"10 分钟"只出现在标注协议语境。
7. 幸存者偏差声明：结论外推到真实报警流时，声明 392 条未仲裁 + 313 条 Reject/Uncertain 已剔除（坑 6）。
8. 临床数据边界：不得声称波形与诊断/结局有对应关系；融合研究改用 eicu-crd/MIMIC 做分布级对照。
9. 代理名不可逆：不做任何"反推患者身份"的尝试；跨库链接研究在分布层完成。
10. 跨设备泛化：报告时按厂商（若可从信号特征推断）或至少按医院规模讨论多中心异质性；避免单一中心过拟合结论。
11. 标注噪声敏感性：可利用论文公开的 pre-adjudication 决定做标签噪声鲁棒性分析——这是旧基准没有的红利。
12. 引用完整：数据引 PhysioNet（doi:10.13026/8td2-g363）、方法引 NeurIPS 2023 论文、标注平台引 PhysioTag（doi:10.13026/g06j-3612），三者各司其职。

附录 G：检索路径示范（关键词组合与查询式）

目标	推荐查询式	预期命中
数据主页	site:physionet.org vtac / “VTaC” ventricular	physionet.org/content/vtac/1.0/
论文	“VTaC” AND “ventricular tachycardia” AND benchmark	NeurIPS 2023 proceedings（hash 7a53bf4e…）
代码	VTaC github ML-Health	github.com/ML-Health/VTaC
标注平台	PhysioTag waveform annotation	CinC 2022 论文 + PhysioNet 软件页
前代基准	PhysioNet Challenge 2015 false alarm	Challenge 2015 页 + CinC 论文
开山文献	Aboukhalil 2008 false arrhythmia MIMIC	J Biomed Inform 41(3)
报警疲劳背景	alarm fatigue ICU Drew 2014	PLoS ONE 9(10):e110274

检索卫生三条：一、全大写 VTAC 会命中无关缩写，坚持 VTaC 驼峰（坑 1）；二、二手综述常把 10 分钟标注段当发布口径，数字以本条目附录 C 存照为准；三、PhysioNet 页面的 PhysioNet 平台引文（Pollard 等）随平台更新滚动变化，引用时存照抓取日期。

附录 H：报警疲劳背景文献要点（延伸阅读）

1. Drew 等 2014（PLoS ONE）：对 consecutive ICU 患者的全量报警观察研究，是"心律失常报警约占 ICU 报警 45%"与报警疲劳定量证据的源头文献——VTaC 论文 §1 的第一引用。
2. Cvach 2012（Biomed Instrum Technol）：报警疲劳的整合综述，给出临床干预框架——报警管理政策的经典引用。
3. Aboukhalil 等 2008（J Biomed Inform）：用 MIMIC-II 1,900 条 VT 报警做假报警消除的开山工作，确立了"ABP 与 ECG 交叉验证"的多模态思路——VTaC 的直系先祖。
4. Clifford 等 2015/2016（CinC + Physiol Meas）：Challenge 2015 的官方总结，定义了 Challenge Score 与 VT 判据——VTaC 全盘继承其口径。
5. Lehman 等 2018（MLHC）：表征学习检测假报警的早期深度学习尝试——作者团队自身工作的中间站。
6. Zhou 等 2022（Sci Rep）：对比学习路线的 ICU 假报警消除——VTaC 论文中 CL 基线的出处。
7. Pollard 等（PhysioNet 平台文献）：PhysioNet 平台本身的标准引文，使用任何 PhysioNet 资源时附带引用。

读法建议：先读 3 与 4 理解任务口径如何确立，再回本条目 §4 看规模如何放大——三十年的谱系三次跳变（单中心→MIMIC-II→Challenge 2015→VTaC）各自解决了"有无标注、有无公开、有无规模"三个不同瓶颈。

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-09，抓取与核验时点见附录 A。事实陈述以 NeurIPS 2023 论文 PDF（proceedings hash 7a53bf4e02022aad32a4019d41b3b476）与 PhysioNet 官方页（physionet.org/content/vtac/1.0/）为一手源；DOI 双口径、事件窗口双口径、患者记录数双口径、医院/厂商未点名等原始文档缺陷已在坑点与附录 C 存照。条目与库内 cinc-2015（rid 487）、mimiciii（rid 590）、mimic3wdb（rid 586）、mimic4wdb（rid 588）、eicu-crd（rid 552）、vitaldb（rid 192）、physionet-cinc-2016（rid 382）、physionet-cinc-2017（rid 162）、mimic-perform（rid 805）、ludb（rid 793）、ltafdb（rid 668）、apnea-ecg（rid 658）、cpsc（rid 132）等条目互链，构成生理信号与重症监护家族中假报警消除主题的完整检索面。

---

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：

• mimic-iii-ext-ppg — 共享标签：生理信号 / 心电信号 / 重症监护 / 评测基准
• kingston-icu-af — 共享标签：生理信号 / 心电信号 / 重症监护 / 评测基准
• cinc-2014 — 共享标签：生理信号 / 心电信号 / 重症监护 / 评测基准
• mimic-perform — 共享标签：生理信号 / 心电信号 / 重症监护 / 评测基准
• qt-database — 共享标签：生理信号 / 心电信号 / 评测基准
• propofol-anesthesia-dynamics — 共享标签：生理信号 / 心电信号 / 评测基准
• nifeadb — 共享标签：生理信号 / 心电信号 / 评测基准
• actes-cycloergometer-exercise — 共享标签：生理信号 / 心电信号 / 评测基准
• pulsedb — 共享标签：生理信号 / 心电信号 / 重症监护
• pics — 共享标签：生理信号 / 心电信号 / 重症监护

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。