有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
MEETI (MIMIC-IV-Ext ECG-Text-Image)|心电图分析数据集|医疗人工智能数据集
收藏arXiv2025-07-21 更新2025-07-23 收录
下载链接：
https://github.com/PKUDigitalHealth/MIMIC-IV-ECG-Ex
下载链接
链接失效反馈资源简介：
MEETI数据集是一个多模态心电图数据集，基于MIMIC-IV-ECG构建，包含了原始心电信号、高分辨率心电图图像、提取的心电参数以及大型语言模型生成的详细文本解释。数据集包含超过78万个12导联心电记录，与近16万名患者的专家报告相匹配。MEETI数据集为研究和开发心电图人工智能系统提供了全面的基准，支持从多角度分析心脏健康，并促进可解释的多模态心血管人工智能的发展。
提供机构：
新加坡国立大学公共卫生学院与数据科学研究所, 北京大学心血管数据科学国家研究院, 北京大学人工智能研究院
创建时间：
2025-07-21
AI搜集汇总
数据集介绍
构建方式
MEETI数据集基于MIMIC-IV-ECG这一大规模临床心电图数据库构建，通过整合原始波形信号、高分辨率心电图图像、逐搏定量参数及大语言模型生成的详细文本解释，实现了多模态数据的同步对齐。数据集构建过程中，采用FeatureDB工具包进行波形特征提取，包括P波、QRS波群和T波的定位与参数计算；利用开源库生成标准化心电图图像；并通过角色引导的提示策略，结合GPT-4o生成与临床参数相锚定的专业解读文本。所有数据通过唯一标识符实现跨模态关联，形成包含78万条记录的大规模多模态资源。
特点
作为首个同步整合原始信号、可视化图像、定量参数与语义解释的心电图多模态数据集，MEETI的突出特点体现在其临床细粒度表征能力。数据集包含12导联波形信号（500Hz采样率）及其对应的高清渲染图像（300dpi），精确保留临床纸式记录的空间电压-时间关系。通过逐搏提取的21类特征参数（如PR间期、QTc值等）实现了亚秒级生理状态刻画，而大语言模型生成的解释文本则建立了参数与诊断语义的显式关联。这种四维对齐结构突破了传统单模态数据局限，为可解释心血管AI提供了从信号特征到临床推理的全链条研究基础。
使用方法
研究者可通过统一标识符跨模态访问原始信号（WFDB格式）、PNG格式图像、MATLAB特征矩阵及JSON格式文本报告。典型应用场景包括：1）多模态联合训练，利用卷积网络处理图像特征、时序模型分析波形信号、Transformer融合文本语义；2）可解释性研究，通过参数-文本对齐关系验证模型决策逻辑；3）教育工具开发，结合图像可视化与专业解读辅助临床教学。数据集采用层级目录结构组织，提供Python示例脚本实现快速数据加载。需注意图像数据规模限制，用户可基于开源绘图工具扩展样本量。
背景与挑战
背景概述
MEETI（MIMIC-IV-Ext ECG-Text-Image）数据集由HeartVoice Medical Technology、新加坡国立大学、北京大学人民医院等机构的研究团队于2025年创建，旨在解决心血管疾病诊断中多模态数据融合的关键问题。作为首个同步整合原始心电信号、高分辨率波形图像、节拍级量化参数及大模型生成文本解释的大规模心电数据集，MEETI基于著名的MIMIC-IV-ECG数据库扩展而来，包含超过78万条临床12导联记录。该数据集通过统一四种模态数据的标识符对齐，为可解释性心血管AI系统开发提供了基准平台，显著推动了心电图分析从传统单模态模型向跨信号-视觉-语义的多模态推理范式转变。
当前挑战
MEETI数据集面临的挑战主要体现在两个维度：在领域问题层面，需突破心电信号与视觉-语言模态的语义鸿沟，解决现有AI系统对波形时空动力学特征与临床文本描述关联理解不足的难题；在构建过程中，需克服多源数据同步对齐的技术瓶颈，包括原始信号与渲染图像的时空精度匹配、节拍级参数提取的算法鲁棒性优化，以及基于大模型生成诊断文本的医学准确性验证。此外，数据规模与质量的平衡亦构成挑战，需在保持800,000条记录临床多样性的同时，确保各模态数据在噪声干扰和缺失情况下的可用性。
常用场景
经典使用场景
MEETI数据集在心血管疾病研究中展现出广泛的应用价值，尤其在心律失常、心肌缺血和传导障碍的诊断中具有重要作用。该数据集通过整合原始ECG波形数据、高分辨率图像和详细的文本解释，为研究者提供了一个多模态分析的平台。经典使用场景包括开发基于深度学习的ECG自动诊断系统，这些系统能够同时处理信号、图像和文本信息，从而提升诊断的准确性和可解释性。此外，MEETI还支持跨模态对齐研究，探索信号与图像、文本之间的关联性，为多模态机器学习模型的开发提供了丰富的实验数据。
实际应用
MEETI数据集在实际医疗场景中具有广泛的应用潜力。在临床诊断中，基于MEETI训练的AI系统可以辅助医生快速解读ECG，减少人为误差并提高诊断效率。在远程医疗领域，多模态ECG数据的整合使得远程诊断更加可靠，尤其适用于资源匮乏地区的医疗服务。此外，MEETI还可用于医学教育，通过提供丰富的案例和详细的解释，帮助医学生和培训医师提升ECG解读能力。数据集的开放性和标准化结构也使其成为开发新型ECG分析工具的理想测试平台。
衍生相关工作
MEETI数据集已经衍生出多项重要的研究工作。例如，GEM（Grounded ECG Understanding with Time Series and Images）项目利用MEETI训练了多模态大语言模型，实现了对ECG信号的深入理解和解释。另一项研究Diffusets则探索了基于临床文本报告生成12导联ECG信号的方法，进一步扩展了MEETI在生成模型中的应用。此外，CardioLearn系统利用MEETI中的多模态数据开发了云端深度学习服务，用于心脏疾病的自动检测。这些工作不仅验证了MEETI的科学价值，也为未来心血管AI的发展提供了新的研究方向。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国区域地面气象要素驱动数据集 v2.0（1951-2024）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 74 年（1951~2024 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 74 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。
国家青藏高原科学数据中心 收录
中国劳动力动态调查
“中国劳动力动态调查” （China Labor-force Dynamics Survey，简称 CLDS）是“985”三期“中山大学社会科学特色数据库建设”专项内容，CLDS的目的是通过对中国城乡以村/居为追踪范围的家庭、劳动力个体开展每两年一次的动态追踪调查，系统地监测村/居社区的社会结构和家庭、劳动力个体的变化与相互影响，建立劳动力、家庭和社区三个层次上的追踪数据库，从而为进行实证导向的高质量的理论研究和政策研究提供基础数据。
中国学术调查数据资料库 收录
CMU-MOSI
CMU-MOSI数据集包括了从93个YouTube的视频中获取的2199个独白类型的短视频片段。每个片段都是一个独立的多模态示例，其中图像、文本和音频占比是均匀的，情感分数取值为[-3,+3]，表示从强负向到强正向情感。
DataCite Commons 收录
TongueDx Dataset
TongueDx数据集是一个专为远程舌诊研究设计的综合性舌象图像数据集，由香港理工大学和新加坡管理大学的研究团队创建。该数据集包含5109张图像，涵盖了多种环境条件下的舌象，图像通过智能手机和笔记本电脑摄像头采集，具有较高的多样性和代表性。数据集不仅包含舌象图像，还提供了详细的舌面属性标注，如舌色、舌苔厚度等，并附有受试者的年龄、性别等人口统计信息。数据集的创建过程包括图像采集、舌象分割、标准化处理和多标签标注，旨在解决远程医疗中舌诊图像质量不一致的问题。该数据集的应用领域主要集中在远程医疗和中医诊断，旨在通过自动化技术提高舌诊的准确性和可靠性。
arXiv 收录
中国逐日格点降水数据集V2（1960–2024，0.1°）
CHM_PRE V2数据集是一套高精度的中国大陆逐日格点降水数据集。该数据集基于1960年至今共3476个观测站的长期日降水观测数据，并纳入11个降水相关变量，用于表征降水的相关性。数据集采用改进的反距离加权方法，并结合基于机器学习的LGBM算法构建。CHM_PRE V2与现有的格点降水数据集（包括CHM_PRE V1、GSMaP、IMERG、PERSIANN-CDR和GLDAS）表现出良好的时空一致性。数据集基于63,397个高密度自动雨量站2015–2019年的观测数据进行验证，发现该数据集显著提高了降水测量精度，降低了降水事件的高估，为水文建模和气候评估提供了可靠的基础。CHM_PRE V2 数据集提供分辨率为0.1°的逐日降水数据，覆盖整个中国大陆（18°N–54°N，72°E–136°E）。该数据集涵盖1960–2024年，并将每年持续更新。日值数据以NetCDF格式提供，为了方便用户，我们还提供NetCDF和GeoTIFF格式的年度和月度总降水数据。
国家青藏高原科学数据中心 收录