MIMIC-IV风格脓毒症预测ICU数据集
本数据集为感染领域的其他公开数据集，来源：google_dataset。
基本信息
资源简介
MIMIC-IV风格脓毒症预测ICU数据集
MIMIC-IV Style ICU Dataset for Sepsis Prediction
该数据集为完全合成的ICU数据集，模拟MIMIC-IV的结构与统计特性，用于脓毒症早期预测的二分类任务。数据包含5000次ICU住院、60个临床特征，目标标签为24小时内是否发生脓毒症，阳性类约占17%。数据刻意保留缺失值、测量误差和临床相关性等真实世界的杂乱性，适用于机器学习练习、临床特征工程、缺失数据处理、不平衡分类及医疗AI教育（来源 Kaggle，Attribution 4.0 International (CC BY 4.0) 许可）。
【数据集背景】
源站首次发布：2026-02-28。
【数据内容】
源站描述（机器翻译，仅供参考）：合成ICU脓毒症预测数据集 该数据集是一个逼真的合成ICU数据集，旨在模拟MIMIC-IV的结构和统计特性，用于早期脓毒症预测（二分类）。它专门针对以下用途设计： - 机器学习练习 - 临床特征工程 - 缺失数据处理 - 不平衡分类 - 医疗AI教育 该数据集有意包含真实世界的杂乱性，例如缺失值、测量误差和临床相关性。 --- 📊 数据集特征 - 行数： 5,000次ICU住院 - 列数： 60个临床特征 - 目标： sepsis_label（24小时内脓毒症） - 阳性类： 约17% - 来源： 完全合成（无真实患者数据） --- 🧬 特征组 人口统计学 - age - gender - bmi - ethnicity - insurance 生命体征（6小时聚合） - heart rate - blood pressure - MAP - t
【数据结构与技术规格】
文件数 1 个，合计 1.66 MB。
【主题与分类】
主题标签：classification、time series analysis、healthcare、feature engineering、ml ethics。本站分类：感染性疾病/脓毒症。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/sinanshereef/mimic-iv-style-icu-dataset-for-sepsis-prediction
使用许可：Attribution 4.0 International (CC BY 4.0)。
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
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
SINAN SHEREEF (2026). MIMIC-IV Style ICU Dataset for Sepsis Prediction [Dataset]. https://www.kaggle.com/datasets/sinanshereef/mimic-iv-style-icu-dataset-for-sepsis-prediction/suggestions
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。
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。
