PTB-XL心电基础模型嵌入的协议固定标签预算基准资源

数据集获取

源站：https://doi.org/10.5281/zenodo.23638704

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据集大小约 264.7 MB。

数据说明

本数据集随数据描述文件《一个协议固定、标签预算可解析的心电图基础模型嵌入基准资源（基于PTB-XL）》一同发布。它提供了四个开放心电图（ECG）基础模型的冻结嵌入——ECGFounder、ECG-FM，以及HuBERT-ECG base和small——这些嵌入是在完整的PTB-XL队列（21,797–21,799条12导联记录，v1.0.3）上提取的，同时还包括提取与评估脚本，以及完整的标签预算可解析扫描结果。内容如下。- ptbxl_embs_ecgfounder.npz：ECGFounder冻结嵌入（1024维均值池化），n=21,797条记录（排除了两条损坏记录）。- ptbxl_embs_frozen.npz：ECG-FM冻结嵌入（768维均值池化），n=21,799。- ptbxl_embs_hubertecgbas.npz：HuBERT-ECG base冻结嵌入（768维均值池化），n=21,799。- ptbxl_embs_hubertecgsmall.npz：HuBERT-ECG small冻结嵌入（512维均值池化），n=21,799。每个.npz文件包含两个数组：‘ids’（记录标识符）和’embs’（冻结嵌入矩阵，与’ids’按行对齐）。- a3_final_4models.py：全数据（100%）线性探测（5折分层OvR L2逻辑回归，跨五个诊断超类的宏AUROC）。

• a3_p1_fewshot_v3.py：按标签预算解析的数据效率扫描（训练标签的0.25%/0.5%/1%/2%/3%/5%/10%/20%/100%，五个随机种子0/42/123/2024/7；报告均值±标准差以及基于1,000次重采样的bootstrap 95%置信区间）。- a3_p1_cka.py：嵌入空间之间的线性中心化核对齐（CKA）。- a3_p1_fewshot_v3_summary.json和a3_p1_fewshot_v3_raw.csv：所有四个模型在各预算下的均值、标准差和bootstrap 95%置信区间，以及各随机种子的AUROC。可复用。该资源支持对现成冻结ECG嵌入进行可复现的正面比较、面向低标签临床任务的数据驱动模型选择，并可扩展到其他队列和模型而无需重新提取嵌入。复用受两项注意事项约束：(1) 使用各模型的官方预处理，因此输入分辨率（100 vs 500 Hz）、窗口长度（5 vs 10 s）、

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。