Insulin4RL:用于离线强化学习的实时胰岛素输注数据集
本数据集为内分泌系统疾病领域的其他公开数据集,来源:physionet。

基本信息
资源简介
Insulin4RL:用于离线强化学习的实时胰岛素输注数据集
Insulin4RL(Real-Time Insulin Infusions For Offline Reinforcement Learning)是一个公开可用的研究数据集,面向离线强化学习(Offline Reinforcement Learning,ORL)研究,其核心特点在于使用天然不规则的医疗数据。该数据集旨在鼓励研究者进一步探索在自然稀疏决策间隔条件下开展离线强化学习的方法。数据集在站内归类于内分泌系统疾病 / 1型糖尿病方向,来源于 PhysioNet 平台,采用 PhysioNet Credentialed Health Data License 1.5.0 许可发布。对于关注真实临床数据时序不规则性、希望将强化学习方法应用于医疗决策场景的研究者而言,该数据集提供了一个以真实世界数据特征为基础的研究资源。
【数据集背景】
离线强化学习关注如何仅从已有历史数据中学习决策策略,而无需与环境进行在线交互,这一特性使其在医疗等高风险领域具有特殊吸引力。然而,真实临床数据往往并非按固定时间间隔采集,决策时点天然稀疏且不规则,这与许多 ORL 方法所假设的规则时间步存在差距。Insulin4RL 正是针对这一矛盾而构建的研究数据集,其目标在于推动使用天然不规则的医疗数据开展 ORL 研究,鼓励学界关注并发展能够适应自然稀疏决策间隔的离线强化学习方法。数据集聚焦于 1 型糖尿病相关的胰岛素输注场景,属于内分泌系统疾病研究方向。
【数据内容】
数据集名称为 Insulin4RL: Real-Time Insulin Infusions For Offline Reinforcement Learning,从名称可以看出其内容围绕实时胰岛素输注数据展开,用于离线强化学习研究。源站描述强调该数据集使用天然不规则的医疗数据,决策间隔具有自然稀疏性。除上述定位性说明外,源站未提供关于具体变量、样本量、时间跨度、受试者数量等数据内容细节。
【采集与来源】
该数据集来源于 PhysioNet 平台,源站标题为 insulin4rl。源站将其描述为公开可用的研究数据集,面向使用天然不规则医疗数据的离线强化学习研究。关于原始数据的采集机构、采集时间、采集设备与具体采集流程,源站未提供。
【适用场景】
根据源站描述,该数据集适用于离线强化学习研究,尤其是需要处理天然不规则医疗数据、自然稀疏决策间隔的 ORL 方法研究。其设计意图是鼓励进一步研究在真实数据时序特征下开展离线强化学习的方法学工作。结合站内分类,该数据集面向内分泌系统疾病 / 1型糖尿病方向的研究场景。除此之外的具体应用场景,源站未提供。
【使用方法】
源站未提供关于数据读取方式、预处理流程、划分方案或基准实验设置的具体说明。
【质量与限制】
源站未提供关于数据质量评估、缺失情况、标注可靠性或使用限制的具体说明。需要说明的是,该数据集采用 PhysioNet Credentialed Health Data License 1.5.0 许可,使用时应遵循该许可的相关要求。
【引用与许可】
该数据集采用 PhysioNet Credentialed Health Data License 1.5.0 许可发布。关于具体的引用格式与文献信息,源站未提供。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取(PhysioNet)
- 源站标题:Insulin4RL: Real-Time Insulin Infusions For Offline Reinforcement Learning
- 版本:1.0.0
- DOI:10.13026/swen-q904
- 源站页面:https://physionet.org/content/insulin4rl/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:
- 在 https://physionet.org/content/insulin4rl/1.0.0 页面登录并接受许可条款;
- 命令行整目录下载:
wget -r -N -c -np --user=<账号> --ask-password https://physionet.org/files/insulin4rl/1.0.0/
- 或用官方工具(推荐,支持断点续传与校验):
pip install physionet-download
physionet-download insulin4rl
数据说明
离线强化学习(RL)有望改善医疗决策。然而,大多数现有方法依赖于将患者轨迹离散化为严格规则的时间间隔。这样做是为了提高与神经网络及标准马尔可夫决策过程(MDP)框架的兼容性,但如此一来,它会引入缺失性伪影,并因基于数据的虚构表示进行训练而带来部署时的分布外错误风险。此外,近期研究表明,使用分箱数据进行回顾性评估可能导致对模型性能的估计出现显著偏差。
许可
PhysioNet Credentialed Health Data License 1.5.0
引用
学术使用请引用:PhysioNet. Insulin4RL: Real-Time Insulin Infusions For Offline Reinforcement Learning. DOI 10.13026/swen-q904。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




