ECGBench 心电信号机器学习基准数据集
数据集简介
数据组织与索引结构
ECGBench 以 CSV 索引表组织各子集记录,核心字段包括 record_name(记录名称)、signal_path(信号文件路径)、fold(折编号)、default_split(默认划分)、is_valid(是否有效)与 quality_issues(质量问题标记)。每个子集均提供 clean 与 original 两种版本,命名如 afdb-clean 所示,便于对比清洗前后信号对建模的影响。
折划分统一为:train/fold_1.csv 至 train/fold_8.csv 共 8 折训练集,val/fold_9.csv 为验证集,test/fold_10.csv 为测试集,对应文件 folds.csv 汇总折信息。
覆盖的 ECG 子集
集合覆盖多个公开心电数据库,按来源目录依次包括:
- afdb、apnea_ecg、brugada_huca、butqdb
- challenge2017、challenge2020、challenge2021
- chapman_shaoxing、chfdb、code15、code_test、cpsc_2018
- ecg_arrhythmia、ecgcipa、ecgdmmld、ecgiddb、ecgrdvq
- edb、edgar、incartdb、leipzig_heart_center_ecg
- ltafdb、ltstdb、ludb、medalcare_xl、mhd_effect_ecg_mri
- mimic_iv_ecg_demo、mitdb、ningbo_iva、norwegian_athlete_ecg
- nsrdb、picsdb、ptbdb、ptbxl、qtdb、sami_trop
- sddb、shdb_af、sph、staffiii、stdb、svdb、szdb
- tollet、ucddb、wctecgdb、zzu_pecg
这些子集覆盖心律失常、呼吸暂停、Brugada 综合征、心力衰竭、长时程心电等多种记录类型,为跨数据集基准评测提供统一入口。
元数据与质量报告
除 CSV 索引外,仓库提供 Croissant 元数据文件 croissant.json,遵循 MLCommons Croissant 1.1 规范(conformsTo: http://mlcommons.org/croissant/1.1),用于描述数据集结构与字段语义。同时附带 validation_report.json 质量报告,记录数据校验结果。
来源与许可
ECGBench 汇集的数据源自 PhysioNet 等公开资源,涉及 Beth Israel Hospital / MIT Laboratory for Computational Physiology 等机构贡献的心电数据库。仓库采用 MIT 许可证,公开可下载,HuggingFace 仓库为非 gated 访问,仓库体积约 158 MB(含索引、Croissant 元数据与验证报告)。