MEETI：来自 MIMIC-IV-ECG 的多模态心电图数据集
信号处理
2025-07-22 v1 人工智能
机器学习
摘要
心电图 (ECG) 在现代心血管护理中占据基础性位置，使其能够无创诊断心律失常、心肌缺血和传导障碍。尽管机器学习在 ECG 解释方面已达到专家水平，但临床可部署的多模态 AI 系统的开发仍受限，主要由于缺乏同时包含原始信号、诊断图像和解释文本的公开数据集。大多数现有 ECG 数据集仅提供单一模态数据或至多两种模态，难以在实际场景中构建能够理解和集成多样 ECG 信息的模型。为此，我们引入 MEETI (MIMIC-IV-Ext ECG-Text-Image)，这是第一个大规模 ECG 数据集，同时同步包含原始波形数据、高分辨率绘制图像和由大型语言模型生成的详细文本解释。此外，MEETI 包含来自每个电导的心电图拍记级别定量参数，提供结构化参数以支持细粒度分析和模型可解释性。每个 MEETI 记录在四个组成部分上都对齐：(1) 原始 ECG 波形；(2) 对应的绘制图像；(3) 提取的特征参数；(4) 详细的解释文本。通过一致的唯一标识符实现该对齐。这种统一结构支持基于 Transformer 的多模态学习，支持对心血管健康进行细粒度、可解释的推理。通过桥接传统信号分析、图像基于解释和语言驱动理解之间的差距，MEETI 为下一代可解释、多模态心血管 AI 树立了坚实基础。它为研究社区提供了一个综合性的基准，用于开发和评估基于 ECG 的 AI 系统。
引用
@article{arxiv.2507.15255,
title = {MEETI: A Multimodal ECG Dataset from MIMIC-IV-ECG with Signals, Images, Features and Interpretations},
author = {Deyun Zhang and Xiang Lan and Shijia Geng and Qinghao Zhao and Sumei Fan and Mengling Feng and Shenda Hong},
journal= {arXiv preprint arXiv:2507.15255},
year = {2025}
}