thbndi/Mimic4Dataset

Mimic-IV数据集是通过执行https://github.com/healthylaife/MIMIC-IV-Data-Pipeline上的Pipeline生成的数据。

原始信息汇总

数据集概述

数据集名称

• 名称: Mimic-IV

数据集生成

• 生成方式: 通过执行位于 https://github.com/healthylaife/MIMIC-IV-Data-Pipeline 的Pipeline生成数据。

数据集使用函数

• 函数签名: python load_dataset(thbndi/Mimic4Dataset, task, mimic_path=mimic_data, config_path=config_file, encoding=encod, generate_cohort=gen_cohort, val_size=size, cache_dir=cache)

参数说明

1. task (string)

   • 描述: 指定使用数据集的任务。
   • 默认值: "Mortality"
   • 可能值: Phenotype, Length of Stay, Readmission, Mortality

2. mimic_path (string)

   • 描述: 用户机器上Mimic-IV原始数据的完整路径。
   • 注意: 需要提供Mimic-IV数据存储的适当路径，路径应以Mimic的版本结束（例如：mimiciv/2.2）。支持的版本：2.2和1.0。

3. config_path (string) 可选

   • 描述: 用于群体生成选择的配置文件路径（更多信息请参见/config/readme.md）。
   • 默认值: config文件夹中提供的配置文件。

4. encoding (string) 可选

   • 描述: 特征的数据编码选项。
   • 选项: "concat", "aggreg", "tensor", "raw", "text"
   • 默认值: "concat"
   • 注意: 选择以下选项之一进行数据编码：
     • "concat": 将独热编码的诊断、人口统计数据向量和动态特征在每个测量时间点连接，形成高维特征向量。
     • "aggreg": 将独热编码的诊断、人口统计数据向量和动态特征连接，其中每个item_id被替换为测量时间点的平均值，形成降维特征向量。
     • "tensor": 将每个特征表示为2D数组。标签、人口统计数据(DEMO)、诊断(COND)、药物(MEDS)、程序(PROC)、图表/实验室事件(CHART/LAB)和输出事件数据(OUT)分别有单独的数组。动态特征表示为2D数组，其中每行包含特定时间点的值。
     • "raw": 提供来自Pipeline的群体，无需任何编码，适用于自定义数据处理。
     • "text": 将诊断表示为适合BERT或其他类似文本模型的文本。

5. generate_cohort (bool) 可选

   • 描述: 确定是否从Mimic-IV数据生成新群体。
   • 默认值: True
   • 注意: 设置为True以生成群体，或设置为False以跳过群体生成。

6. val_size, test_size (float) 可选

   • 描述: 训练期间用于验证的数据集比例。
   • 默认值: 验证大小为0.1，测试大小为0.2。
   • 注意: 可以设置为0。

7. cache_dir (string) 可选

   • 描述: 处理后的数据集将被缓存的目录。
   • 注意: 为每种编码类型提供缓存目录可以避免更改编码类型时的错误。

示例使用

• 示例1: 使用默认设置加载数据集。
• 示例2: 使用自定义设置加载数据集。