MIMIC扩展药物检测

数据集获取（PhysioNet）

• 源站标题：MIMIC-Ext-DrugDetection
• 版本：1.0.0
• DOI：10.13026/0kyx-r485
• 源站页面：https://physionet.org/content/mimic-ext-drug-detection/1.0.0

PhysioNet 数据需注册账号（机构邮箱）并签署数据使用协议后下载：

1. 在 https://physionet.org/content/mimic-ext-drug-detection/1.0.0 页面登录并接受许可条款；
2. 命令行整目录下载：

wget -r -N -c -np --user=<账号> --ask-password https://physionet.org/files/mimic-ext-drug-detection/1.0.0/

3. 或用官方工具（推荐，支持断点续传与校验）：

pip install physionet-download
physionet-download mimic-ext-drug-detection

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。

数据说明

本项目共享了一个基于 MIMIC-III/IV 出院小结创建的大型、带标注的药物检测数据集。该数据集旨在应对在电子健康记录（EHRs）中识别物质使用行为的挑战，因为其中的关键细节往往嵌入在需要结合上下文解读的非结构化笔记中。主要目标是支持未来的系统性物质使用监测。数据由切分为句子的医疗笔记组成，并针对八类物质使用类别进行了标注：海洛因、可卡因、甲基苯丙胺、处方阿片类药物和苯二氮䓬类药物的非法使用、大麻、注射吸毒（IDU）以及一般药物使用。该数据集被用于评估各种大型语言模型（LLMs）检测这些物质使用类别的性能，表明 LLMs，尤其是经过微调的模型，可以显著提高检测准确性，并在临床决策支持和研究中展现出前景。

许可

PhysioNet Credentialed Health Data License 1.5.0

引用

学术使用请引用：Harel-Canada et al. (2025). MIMIC-Ext-DrugDetection. PhysioNet. doi:10.13026/0kyx-r485 DOI 10.13026/0kyx-r485。